本論文は、複数のグラフの中で対応するノードを識別するグラフアラインメントの問題を扱う。従来の非マップ学習ベースの方法は、ノード特徴を潜在表現に埋め込み、グランドトゥルース対応に関係なくグラフ間比較を行うが、ＧＮＮベース埋め込みの過度なスムージングによるノード独立性の低下と構造的ノイズ、特徴の不均一性、学習不安定性による潜在空間の不一致問題を経験している。本論文では、ノード独立性を向上させ、潜在空間間の幾何学的一貫性を強化する新しいグラフアライメントフレームワークを提案する。低周波および高周波スペクトルフィルタを組み合わせたデュアルパスエンコーダを使用して、構造認識的で高次元的に区別された埋め込みを生成し、幾何学的認識機能マップモジュールを組み込んでグラフ埋め込み間の剪断的かつ等距離変換を学習することによって、異なる表現間の一貫した幾何学的関係を確保する。さまざまな事前学習モデルを使用したビジョン - 言語ベンチマークの包括的な評価は、提案されたフレームワークがグラフ領域を超えて一般化されていることを示しています。
