[論文レビュー] COPT: Coordinated Optimal Transport on Graphs

Yihe Dong, Will Sawin|arXiv (Cornell University)|Mar 9, 2020

Complex Network Analysis Techniques被引用数 3

ひとこと要約

COPTは、座標付き最適輸送を用いて、グラフ間の頂点および信号分布マッピングを同時に最適化する新しいグラフ距離メトリックを導入し、スペクトル構造を保持する教師なしグラフ表現学習を可能にし、合成および実世界のデータセットにおけるグラフ分類で最先端の手法を上回る性能を発揮する。

ABSTRACT

We introduce COPT, a novel distance metric between graphs defined via an optimization routine, computing a coordinated pair of optimal transport maps simultaneously. This gives an unsupervised way to learn general-purpose graph representation, applicable to both graph sketching and graph comparison. COPT involves simultaneously optimizing dual transport plans, one between the vertices of two graphs, and another between graph signal probability distributions. We show theoretically that our method preserves important global structural information on graphs, in particular spectral information, and analyze connections to existing studies. Empirically, COPT outperforms state of the art methods in graph classification on both synthetic and real datasets.

研究の動機と目的

• 最適輸送を用いて教師なしで汎用的なグラフ表現を学習する手法を開発すること。
• 表現学習の過程でグラフのグローバル構造およびスペクトル情報を保持すること。
• 統一された距離メトリックを通じて、グラフスケッチとグラフ比較の両方を可能にすること。
• 従来のグラフメトリックが構造的および信号分布の整合性を同時に最適化できないという限界を解消すること。
• 最先端のグラフ分類手法に対して理論的根拠があり、実験的に優れた代替手法を提供すること。

提案手法

• COPTは、グラフ間の頂点マッピングとグラフ信号確率分布マッピングの2つの双対輸送計画の共同最適化を定式化する。
• この手法は最適輸送理論を活用し、構造的およびスペクトル的性質を保持する協調的輸送マップを計算する。
• 頂点対応と信号分布整合性の両方を同時に最適化する協調的最適化フレームワークを導入する。
• 理論的分析により、輸送マップ下でもスペクトル情報が保持されることを示している。
• このフレームワークは、グラフスケッチと比較的分析の両方への応用が可能に設計されている。
• ラベル付きデータを必要としない教師なし学習で訓練される。

実験結果

リサーチクエスチョン

• RQ1 最適輸送は、どのようにしてグラフにおける頂点対応と信号分布整合性を同時にモデル化できるか？
• RQ2 協調的輸送フレームワークは、どの程度スペクトル的およびグローバル構造的情報を保持するか？
• RQ3 座標付き最適輸送に基づく統一的で教師なしのメトリックは、既存の手法を上回ってグラフ分類タスクで性能を発揮できるか？
• RQ4 COPTと既存のグラフ表現学習手法との理論的関係は何か？
• RQ5 COPTは多様な合成および実世界のグラフデータセットでどの程度の性能を発揮するか？

主な発見

• COPTは合成および実世界のデータセットにおけるグラフ分類タスクで最先端の性能を達成した。
• 理論的分析および実験的検証により、グラフにおけるスペクトル情報を保持していることが確認された。
• COPTは、グラフ分類ベンチマークにおいて、既存の最先端手法を上回った。
• 二重輸送マップの協調的最適化により、よりロバストで汎用性の高いグラフ表現が得られた。
• 統一的メトリック設計のおかげで、グラフスケッチと比較的分析の両方で有効であることが示された。
• 実験的結果により、多様なグラフ学習タスクにおける本手法の優位性が確認された。