DIB-OD: Preserving the Invariant Core for Robust Heterogeneous Graph Adaptation via Decoupled Information Bottleneck and Online Distillation
작성자
카테고리
Empty
저자
Yang Yan, Yunxuan Li, Qiuyan Wang, Tianjin Huang, Qiudong Yu
💡 개요
본 논문은 레이블이 없는 이질적 그래프 데이터에서 분포 변화 문제를 해결하여 일반화 성능을 높이는 DIB-OD 프레임워크를 제안합니다. DIB-OD는 정보 병목 기법과 온라인 증류를 통해 도메인 불변의 핵심 지식과 도메인 특정 정보를 분리하여, 도메인 간 전이 학습 시 발생하는 성능 저하와 이전 학습 내용 망각을 방지합니다. 실험 결과, DIB-OD는 기존 최신 기법 대비 우수한 일반화 및 망각 방지 성능을 보여줍니다.
🔑 시사점 및 한계
•
이질적 그래프 학습에서 도메인 간 분포 변화 문제를 해결하기 위한 효과적인 정보 분리 및 활용 방법론을 제시합니다.
•
불변 코어 보존을 통해 도메인 적응 시 발생하는 치명적인 망각 현상을 효과적으로 완화합니다.
•
제안된 방법론의 계산 복잡성 증가 가능성과 실제 다양한 응용 분야에서의 적용성 및 확장성에 대한 추가 연구가 필요합니다.
