[論文レビュー] Convolutional Set Matching for Graph Similarity

Yunsheng Bai, Hao Ding+2 more|arXiv (Cornell University)|Oct 23, 2018

Graph Theory and Algorithms参考文献 12被引用数 25

ひとこと要約

本稿では、NP困難なグラフ編集距離（GED）の計算を学習可能でエンドツーエンドな問題に変換する、GSimCNNと呼ばれる新しい深層学習フレームワークを提案する。マルチスケールのグラフ畳み込みネットワークを用いてノード埋め込みを生成し、ノード単位の内積によりマルチスケールの類似度行列を構築し、2次元畳み込みニューラルネットワークを適用して最適なマッチングパターンを検出する。IMDB、LINUX、AIDSを含むベンチマークデータセットにおいて、最先端の精度と効率を達成している。

ABSTRACT

We introduce GSimCNN (Graph Similarity Computation via Convolutional Neural Networks) for predicting the similarity score between two graphs. As the core operation of graph similarity search, pairwise graph similarity computation is a challenging problem due to the NP-hard nature of computing many graph distance/similarity metrics. We demonstrate our model using the Graph Edit Distance (GED) as the example metric. Experiments on three real graph datasets demonstrate that our model achieves the state-of-the-art performance on graph similarity search.

研究の動機と目的

• 大規模なグラフに対して計算が困難な正確なグラフ編集距離（GED）の計算の計算的非実行可能性に対処すること。GEDはNP困難であり、大規模グラフでは高コストである。
• 高い精度と効率を備えたエンドツーエンドの深層学習モデルを構築し、グラフ類似度スコアを予測すること。
• 固定ヒューリスティクスに依存するか、グラフ差分のマルチスケール構造モデリングを欠如させる既存手法の限界を克服すること。
• コストの高いGED計算を微分可能で並列処理可能なニューラルアプローチに置き換えることで、スケーラブルなグラフ類似度検索を可能にすること。

提案手法

• 増加する近傍深さからの特徴を集約することで、階層的なノード埋め込みを生成するマルチスケールのグラフ畳み込みネットワーク（GCN）を採用する。
• 2つのグラフの複数のGCNレイヤ出力における埋め込み同士の内積により、ノード対ノードの類似度行列を計算する。
• 類似度行列を固定サイズM×Mに揃えるために、マックスパディングと双線形補間を適用する。これによりCNN処理が可能になる。
• 各固定サイズの類似度行列を2次元畳み込みニューラルネットワークで処理し、スケールをまたいでノードマッチングの空間的パターンを検出する。
• CNNの出力を連結し、全結合層を通過させて最終的なグラフペア類似度スコアを予測する。
• 予測値と真値のGEDに基づく類似度スコアの差を最小化するように、平均二乗誤差損失を用いてモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、高い精度と効率でNP困難なグラフ編集距離（GED）を効果的に近似できるか？
• RQ2 ノード埋め込みのマルチスケールモデリングは、単一スケールまたは固定構造の手法と比較して、グラフ類似度予測をどのように改善するか？
• RQ3 最大パディングと双線形リサイズの違いといった、さまざまな事前処理戦略が、サイズが異なるグラフにおける性能にどの程度影響を与えるか？
• RQ4 類似度行列上で畳み込みパターン認識を適用することで、複雑な構造的アラインメントを捉える点で、従来のシアンセイ型やMPNNベースのアプローチを上回れるか？

主な発見

• AIDSデータセットにおいて、GSimCNNは0.787の最小平均二乗誤差（MSE）を達成し、バリエーションやベースラインを上回った。
• IMDBデータセットでは、Kendallのtau順位相関係数が0.847、p@10が0.828を記録し、強力な順位付け性能を示した。
• マルチスケール類似度行列とリサイズ処理を活用することで、大規模グラフ（例：IMDB）における予測誤差を顕著に低減した。
• 双線形補間による行列リサイズは、最大パディングよりも性能を向上させた（IMDBにおけるMSE：0.743 vs. 0.807）、特にグラフサイズの分散が大きい場合に顕著だった。
• GSimCNNは、GED近似ベースラインおよびGSimCNN-L1-PadやGSimCNN-L1-Resizeといった単純なバリエーションを、両方の精度と順位品質の面で上回った。
• 可視化結果から、GSimCNNがリtrieーブタスクにおいて最も類似度の高いおよび低いグラフを正しく同定しており、妥当な類似度行列パターンを示していることが確認された。