Does Homophily Help in Robust Test-time Node Classification?
Created by
- Haebom
Category
Empty
저자
Yan Jiang, Ruihong Qiu, Zi Huang
개요
본 논문은 동질성(Homophily)을 활용하여 테스트 시점 그래프 구조를 변환함으로써 사전 학습된 GNN의 견고성을 향상시키는 새로운 방법인 GrapHoST를 제안한다. 특히, 테스트 그래프에서 발생하는 데이터 품질 문제 및 분포 변화에 대응하기 위해, 동질성 예측기를 사용하여 동질성 점수에 따라 테스트 시점 그래프 구조를 적응적으로 변환한다.
시사점, 한계점
•
시사점:
◦
사전 학습된 GNN 모델의 테스트 시점 성능을 향상시키는 새로운 접근 방식 제시 (모델 훈련이나 업데이트 없이).
◦
동질성을 기반으로 하는 그래프 구조 변환 기법의 효과 입증.
◦
다양한 테스트 시점 데이터 품질 문제에 대한 GrapHoST의 우수한 성능 확인 (최대 10.92% 성능 향상).
◦
•
한계점:
◦
동질성 예측기의 성능에 따라 GrapHoST의 효과가 제한될 수 있음.
◦
다양한 유형의 그래프 데이터에 대한 일반화 성능 평가 필요.
◦
실제 환경에서의 적용 및 확장성에 대한 추가 연구 필요.
