부분적 쌍별 지도 학습을 이용한 빠르고 특징 없는 노드 표현 학습

요약

노드 특징(node features)이 없는 그래프 환경에서 부분적인 쌍별 레이블만을 활용하여 효율적으로 노드 표현을 학습하는 Contrastive FUSE 프레임워크를 제안합니다. 커뮤니티 인지 구조 신호와 부호가 있는 쌍별 제약 조건을 통합한 스펙트럼 대조 목적 함수를 사용하며, 모듈성 그래디언트를 경량화된 근사치로 대체하여 대규모 그래프에서도 빠른 학습이 가능합니다. 실험 결과, 기존 방식 대비 뛰어난 실행 속도와 함께 경쟁력 있는 분류 성능을 입증했습니다.

핵심 포인트

• 노드 특징 없이 쌍별 레이블만으로 확장 가능한 노드 표현 학습 가능
• 커뮤니티 인지 구조 신호와 부호가 있는 쌍별 제약 조건을 결합한 스펙트럼 대조 목적 함수 도입
• 모듈성 그래디언트의 경량화된 근사치를 통해 대규모 그래프(수백만 개의 에지)에 대한 계산 효율성 확보
• 인용 네트워크 및 OGB 데이터셋 등에서 기존 베이스라인 대비 빠른 속도와 우수한 성능 달성