Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

DiRW: Path-Aware Digraph Learning for Heterophily

Created by
  • Haebom

作者

Daohan Su, Xunkai Li, Zhenjun Li, Yinping Liao, Rong-Hua Li, Guoren Wang

概要

本論文では、方向グラフ(Digraph)の豊富な情報を活用するグラフニューラルネットワーク(GNN)の限界を解決するために、方向性を考慮したランダムワークベースの新しい学習方法であるDiRWを提案します。 DiRWは、重みなしでノードプロファイルとトポロジを考慮して方向認識パスサンプラを使用し、ノード固有の学習可能なパスアグリゲータを統合して一般化されたノード表現を生成します。これは、ほとんどの空間ベースのDiGNNにプラグアンドプレイ方式で適用でき、新しいdigraph学習パラダイムを提供します。 9つのデータセットの実験結果、DiRWはプラグアンドプレイ戦略でほとんどの空間ベースの方法を改善し、新しいdigraph学習パラダイムで最先端のパフォーマンスを達成することを示しています。

Takeaways、Limitations

Takeaways:
方向グラフの情報を効果的に活用する新しい学習方法を提示
既存の空間ベースのDiGNNにプラグアンドプレイ方式で適用可能
重みのない方向認識経路サンプラによる効率と安定性の向上
さまざまなデータセットで最先端のパフォーマンスを実現
オープンソースコードとデータ開示
Limitations:
提案された方法の一般化性能に関するさらなる研究の必要性
さまざまな種類の方向グラフのロバースト性評価が必要
スペクトルベースのDiGNNの適用性検証が必要
👍