講演情報
[3E1-GS-2d-03]相対的次数による構造的埋め込みの補正：クロスネットワークアライメントにおけるスケールバイアスの解消
〇劉 庶1 (1. 株式会社JDSC)
キーワード：
表現学習、構造的埋め込み、クロスネットワーク・アライメント
本研究では，2つの独立したグラフを単一の潜在空間に埋め込むクロスネットワーク分析において，構造的等価性（Structural Equivalence）に基づくアライメント手法とその限界について調査を行う．既存の埋め込み手法は，大きく「近接性に基づくアプローチ」と「構造に基づくアプローチ」に分類されるが，局所的な接続パターンを捉える構造的アプローチは，クロスネットワーク分析において特に有効である．しかしながら，規模（スケール）の異なるグラフ間におけるこれらの手法の挙動については，これまでほとんど明らかにされていない．まず，k近傍法（kNN）に基づく役割の同一性（role identity）評価が，埋め込みを評価する上で最も安定した手法であることを示す．次に，Barbell，BA，WS，SBMといった標準的なグラフモデルを用いた実験を通じて，結合埋め込み空間が最大次数のより高いネットワークの特性によって支配されるというバイアスの存在を明らかにする．最後に，このスケールの不一致を緩和するために struc2vec の改良版を提案し，合成グラフおよび実世界データセットの両方を用いてその有効性を検証する．