Exploiting Text Semantics for Few and Zero Shot Node Classification on Text-attributed Graph
Created by
Haebom
저자
Yuxiang Wang, Xiao Yan, Shiyu Jin, Quanqing Xu, Chuang Hu, Yuanyuan Zhu, Bo Du, Jia Wu, Jiawei Jiang
개요
본 논문은 텍스트 속성 그래프(TAG)에서의 소량 및 제로샷 노드 분류 성능 향상을 위한 텍스트 의미 증강(TSA) 기법을 제안합니다. 기존 연구들이 주로 그래프 기반 증강 기법에 집중한 것과 달리, 본 논문은 텍스트 기반 증강에 초점을 맞춥니다. 구체적으로, 양성 의미 매칭과 음성 의미 대조라는 두 가지 증강 기법을 통해 각 그래프 노드 또는 텍스트 설명에 대한 참조 텍스트를 추가합니다. 양성 의미 매칭은 유사한 임베딩을 가진 텍스트를 검색하여 그래프 노드와 매칭하고, 음성 의미 대조는 반대 의미를 가진 텍스트 설명을 생성하여 원래 노드와 대조합니다. 5개의 데이터셋을 사용한 실험 결과, TSA는 기존 13개의 최첨단 기법들을 능가하며, 최고 성능 기법 대비 5% 이상의 정확도 향상을 보였습니다.
시사점, 한계점
•
시사점:
◦
텍스트 기반 증강 기법을 활용하여 TAG에서의 소량 및 제로샷 노드 분류 성능을 효과적으로 향상시킬 수 있음을 보여줌.
◦
제안된 TSA 기법은 다양한 TAG 데이터셋에서 우수한 성능을 발휘함.
◦
양성 의미 매칭과 음성 의미 대조라는 두 가지 증강 기법의 효과적인 조합을 제시함.
•
한계점:
◦
제안된 기법의 효과는 사용된 데이터셋과 태스크에 따라 달라질 수 있음.
◦
특정 도메인에 국한된 데이터셋으로 평가되었으므로, 일반화 성능에 대한 추가적인 연구가 필요함.
