정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
정교한 이웃 노드 선택법을 활용한 그래프 합성곱 네트워크 |
| 영문제목(English Title) |
Graph Convolutional Networks with Elaborate Neighborhood Selection |
| 저자(Author) |
정연성
황지영
Yeonsung Jung
Joyce Jiyoung Whang
|
| 원문수록처(Citation) |
VOL 46 NO. 11 PP. 1193 ~ 1198 (2019. 11) |
한글내용
(Korean Abstract) |
그래프 합성곱 네트워크(GCNs)는 합성곱 구조를 활용하여 주변 노드들의 정보를 종합하는 방식으로 대상 노드의 표현력을 높인다. 높은 성능을 보이기 위해서는 우선적으로 대상 노드에게 필요한 정보를 전달할 수 있는 주변 노드를 선별하고, 이후 학습시 적절한 필터(filter) 값을 습득하는 과정이 수반되어야한다. 최근 GCNs 알고리즘들은 1-hop 거리의 노드들을 선택하는 등의 비교적 간단한 이웃 노드정의를 활용하고 있다. 이러한 경우 불필요한 정보가 대상 노드에 전파되어 성능을 저하하는 문제가 발생한다. 본 논문에서는 대상 노드와 주변 노드간의 유사도 계산을 통해 유효한 이웃 노드를 선별하여 활용하는 GCN 알고리즘을 제안한다.
|
영문내용
(English Abstract) |
Graph Convolutional Networks (GCNs) utilize the convolutional structure to obtain an effective insight on representation by aggregating the information from neighborhoods. In order to demonstrate high performance, it is necessary to select neighborhoods that can propagate important information to target nodes, and acquire appropriate filter values during training. Recent GCNs algorithms adopt simple neighborhood selection methods, such as taking all 1-hop nodes. In the present case, unnecessary information was propagated to the target node, resulting in degradation of the performance of the model. In this paper, we propose a GCN algorithm that utilizes valid neighborhoods by calculating the similarity between the target node and neighborhoods.
|
| 키워드(Keyword) |
노드 분류
그래프 합성곱 네트워크
그래프 신경망
그래프 마이닝
node classification
graph convolutional network
graph neural network
graph mining
|
| 파일첨부 |
PDF 다운로드
|
