[論文レビュー] A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications

Hongyun Cai, Vincent W. Zheng+1 more|arXiv (Cornell University)|Sep 22, 2017

Advanced Graph Neural Networks参考文献 133被引用数 153

ひとこと要約

グラフ埋め込みを定義し、問題設定と技術の分類法を提案し、グラフ埋め込みの技術・応用・今後の方向性を包括的に調査したレビュー。

ABSTRACT

Graph is an important data representation which appears in a wide diversity of real-world scenarios. Effective graph analytics provides users a deeper understanding of what is behind the data, and thus can benefit a lot of useful applications such as node classification, node recommendation, link prediction, etc. However, most graph analytics methods suffer the high computation and space cost. Graph embedding is an effective yet efficient way to solve the graph analytics problem. It converts the graph data into a low dimensional space in which the graph structural information and graph properties are maximally preserved. In this survey, we conduct a comprehensive review of the literature in graph embedding. We first introduce the formal definition of graph embedding as well as the related concepts. After that, we propose two taxonomies of graph embedding which correspond to what challenges exist in different graph embedding problem settings and how the existing work address these challenges in their solutions. Finally, we summarize the applications that graph embedding enables and suggest four promising future research directions in terms of computation efficiency, problem settings, techniques and application scenarios.

研究の動機と目的

• 正式なグラフ埋め込みの概念と入力/出力を定義する。
• 文献を整理するための問題設定と技術の分類法を提案する。
• ノード/エッジ/部分構造/グラフレベルにわたるグラフ埋め込みによって実現される応用を要約する。
• 計算、設定、手法、および応用の4つの有望な将来研究方向を特定する。

提案手法

• グラフ、近接度測度、および埋め込み目的の正式な定義と表記を導入する。
• 補完的な2つの分類法を提示する: 問題設定（入力/出力）と埋め込み手法。
• 既存の研究が各設定の課題にどう取り組んでいるかを系統的に分析し、手法の背後にある基礎的な洞察を抽出する。
• グラフ埋め込みの応用をノード関連/エッジ関連/グラフ関連のユースケースに参照事例とともに分類する。
• 現在の制約の批評的分析を含む4つの将来研究方向を概説する。

実験結果

リサーチクエスチョン

• RQ1 異なる入力/出力構成におけるグラフ埋め込みの標準的な問題設定と課題は何か？
• RQ2 これらの課題に対処する技術は何か、なぜそれらの技術が機能するのかを説明する洞察は何か？
• RQ3 グラフ埋め込みはどのようにさまざまな実用的応用を可能にし、どの将来方向が分野を前進させることができるか？

主な発見

• 問題設定と技術の2つの新しい分類法が、グラフ埋め込み研究を整理する。
• 入力（同質/異質グラフ、補助情報を持つグラフ、非リレーショナルデータから構築されたグラフ）と出力（ノード、エッジ、ハイブリッド、全グラフ）について体系的な分析が提供される。
• 本調査は手法を統合し、それ自体だけでなく背後にある洞察を抽出する。
• 応用はノード関連、エッジ関連、グラフ関連のユースケースに詳細な事例とともに分類される。
• 4つの将来方向は、計算効率、問題設定、手法、および応用領域を強調する。