GNNにおける過平滑化問題緩和のためのK-hopの構造類似性の利用に関する検討

抄録

グラフ分類問題における分類精度の低下を引き起こす原因としてOversmoothingの問題が指摘されている．Oversmoothingを抑えるため，サブグラフの類似度をメッセージパッシングGNNのエッジ重みとして利用するGraphSNNやK-hopノードから直接集約を行うKP-GNNが提案されてきた．そこで本発表では，GraphSNNの考えをK-hop GNNへと拡張するためのk-hop類似度計算手法を提案する．具体的には，各ノードのグラフ内における構造上の役割を周辺ノードの次数のリストにより表すことができると考えることで，2-hop以上離れたノードや直接繋がっていないノードどうしについても類似度を計算することが可能となる．最後に，一般的にグラフ評価実験に用いられるグラフデータセットを用いて分類実験を行い，提案手法の有効性を評価した．