[論文レビュー] A Theory of Random Graph Shift in Truncated-Spectrum vRKHS

Zhang Wan, Tingting Mu+1 more|arXiv (Cornell University)|Feb 27, 2026

Advanced Graph Neural Networks被引用数 0

ひとこと要約

この論文は、ランダムグラフモデルと切り捨てスペクトルのベクトル値RKHSを用いてドメインシフト下でのグラフ分類の理論を構築し、転送リスクをドメイン不一致、スペクトル幾何学、振幅に分解するドメイン適応境界を導出し、現実データと合成データで実証的検証を行う。

ABSTRACT

This paper develops a theory of graph classification under domain shift through a random-graph generative lens, where we consider intra-class graphs sharing the same random graph model (RGM) and the domain shift induced by changes in RGM components. While classic domain adaptation (DA) theories have well-underpinned existing techniques to handle graph distribution shift, the information of graph samples, which are itself structured objects, is less explored. The non-Euclidean nature of graphs and specialized architectures for graph learning further complicate a fine-grained analysis of graph distribution shifts. In this paper, we propose a theory that assumes RGM as the data generative process, exploiting its connection to hypothesis complexity in function space perspective for such fine-grained analysis. Building on a vector-valued reproducing kernel Hilbert space (vRKHS) formulation, we derive a generalization bound whose shift penalty admits a factorization into (i) a domain discrepancy term, (ii) a spectral-geometry term summarized by the accessible truncated spectrum, and (iii) an amplitude term that aggregates convergence and construction-stability effects. We empirically verify the insights on these terms in both real data and simulations.

研究の動機と目的

• クラス別ランダムグラフモデル（RGM）を通じてグラフ分布シフトをモデル化する。
• 切り捨てスペクトル vRKHS におけるグラフ分類のドメイン適応一般化境界を導出する。
• 転送ペナルティをドメイン不一致、スペクトル幾何、振幅項に分解する。
• 潜在 Wasserstein 距離やカップ付きスペクトルなどの実用的代理指標に理論を結びつける。
• 現実データとシミュレーションデータの両方で理論的要因を経験的に検証する。）

提案手法

• 核W、潜在P、特徴写像fを用いてグラフを生成するRGMを形式化する。
• 有限スペクトル仮定のもと、マルチクラスグラフADのためのベクトル値RKHS（vRKHS）フレームワークを採用する。
• 発散度、幾何（切り捨てスペクトルを介した）および振幅項に分解されるドメイン適応境界を導出する。
• vRKHSノルムを切り捨て固有スペクトル（λ_r）と無限ノルムの不一致、さらにはアーキテクチャおよびデータ依存定数で表現する。
• 境界を潜在 Wasserstein 距離やスペクトルの切り捨て分析と結びつける。
• 証明を提供し、RGMシフト下のGNNに対する含意を論じる。

Figure 4 : Eigenvalues on IMDB-MULTI (1k), NCI1 (2k), PROTEINS (1k).

実験結果

リサーチクエスチョン

• RQ1 グラフのクラス別 RGM におけるドメインシフトはどのように現れ、潜在空間でどのように定量化できるか。
• RQ2 有限スペクトル仮定のもと、vRKHS フレームワークにおいてグラフ分類のドメイン適応誤差を境界づけられるか。
• RQ3 スペクトル幾何（切り捨てスペクトル）の役割は、ドメイン間の転移可能性をどのように制御するか。
• RQ4 収束、最適化、ラベリングの不一致（振幅項）は RGM シフト下の転送にどのように影響するか。
• RQ5 理論を反映し実証評価を導く実用的代理指標（例：潜在 Wasserstein 距離、スペクトル切り捨て）が何か。

主な発見

• 切り捨てスペクトル vRKHS におけるグラフドメイン適応の一般化境界を得て、転送ペナルティをドメイン不一致、スペクトル幾何、振幅に分離。
• ドメイン発散はクラス別 RGM 間の潜在 Wasserstein 距離に関連付けられ、シフトの大きさの代理指標を提供。
• 有限スペクトル仮定の下、vRKHSノルムは特異固有値 λ_r と無限ノムの不一致でBoundingされ、幾何と振幅の役割を明確化。
• 振幅項は収束と最適化安定性の効果を集約し、モデルおよびデータ関連の摂動を含む。
• 現実データとシミュレーションデータでの実証は三要因の質的関連性を裏付け、有限階付き挙動とグラフサイズの影響を明らかにする。
• この枠組みは連続的な RGM と離散的な GNN 訓練を、収束結果と構成安定性分析を通じて結びつける。

Figure 5 : $d_{\mathrm{eff}}$ on IMDB-MULTI (1k), NCI1 (2k), PROTEINS (1k).