[8B]グラフ学習

13:30 〜 13:50

[8B-01] GCN におけるグラフの中心性を用いた分類精度の向上

田島 雄太、*荒木 徹也¹、天野 一幸¹ (1. 群馬大学)

発表者区分：一般
論文種別：ショートペーパー
インタラクティブ発表：あり

キーワード：

グラフ深層学習、グラフ畳み込みネットワーク、中心性

グラフ畳み込みネットワーク(GCN) とは，グラフ構造に適したニューラルネットワークモデルの1 つであり，グラフ構造を持ったデータを直接入力として用いる手法が提案されている．GCN では，無向グラフにおける半教師ありノード分類において既存の手法より高い精度を示している．しかしいくつかの課題があることも知られており，その1 つとして層を増やすと精度が落ちることが挙げられる．中心性とは，グラフの各ノードの重要度を表す指標となるものであり，次数中心性や近接中心性，媒介中心性，PageRank などの様々な計算方法がある．本研究では，グラフの中心性を考慮した学習を行うモデルを提案し，GCN のグラフにおける半教師ありノード分類において既存の手法より高い分類精度を示す結果を得た．