[論文レビュー] Subgraph Matching Kernels for Attributed Graphs

Nils M. Kriege, Petra Mutzel|arXiv (Cornell University)|Jun 27, 2012

Advanced Graph Neural Networks参考文献 19被引用数 139

ひとこと要約

本稿では、構造を保全する一対一写像と、カーネル関数を用いた頂点および辺属性の比較を可能にする柔軟なスコアリング方式を活用して、属性付きグラフのための部分グラフマッチングカーネルを導入する。この手法は既存のグラフカーネルを一般化し、グラフ積におけるクリークに基づくアルゴリズムを用いることで、実世界のグラフ分類タスクにおいて優れた性能を達成しており、ベンチマークデータセットにおいて先行手法を上回っている。

ABSTRACT

We propose graph kernels based on subgraph matchings, i.e. structure-preserving bijections between subgraphs. While recently proposed kernels based on common subgraphs (Wale et al., 2008; Shervashidze et al., 2009) in general can not be applied to attributed graphs, our approach allows to rate mappings of subgraphs by a flexible scoring scheme comparing vertex and edge attributes by kernels. We show that subgraph matching kernels generalize several known kernels. To compute the kernel we propose a graph-theoretical algorithm inspired by a classical relation between common subgraphs of two graphs and cliques in their product graph observed by Levi (1973). Encouraging experimental results on a classification task of real-world graphs are presented.

研究の動機と目的

• 豊富なノードおよびエッジ特徴を持つ属性付きグラフを効果的に処理できない既存のグラフカーネルの限界を解消すること。
• 部分グラフマッチングを通じて、グラフ内の構造的および属性的類似性を捉えるカーネル手法を開発すること。
• カーネル関数による柔軟な属性比較を組み込むことで、既知のグラフカーネルを一般化すること。
• グラフ積とクリーク検出を用いた効率的なアルゴリズムを設計してカーネルを計算すること。
• 実世界のグラフ分類タスクにおいて、提案手法の有効性を実証的に検証すること。

提案手法

• 2つの属性付きグラフの部分グラフ間における構造を保全する一対一写像に基づく部分グラフマッチングカーネルを提案する。
• カーネル関数を用いて頂点およびエッジ属性を比較するスコアリング方式を導入し、柔軟な類似度測定を可能にする。
• 2つの入力グラフの積グラフにおけるクリークの特定に部分グラフマッチング問題を変換し、Levi (1973) の古典的結果を活用する。
• 積グラフにおける最大クリークの列挙を用いて、グラフ理論的アルゴリズムによりカーネルを効率的に計算する。
• 属性類似度に重みを付けてすべての有効な部分グラフマッチングにわたってスコアを集約する重み付きカーネル定式化を採用する。
• グラフ分類タスクにおけるカーネル化学習フレームワークにこのカーネルを適用する。

実験結果

リサーチクエスチョン

• RQ1 部分グラフマッチングカーネルは、属性付きグラフにおける構造的および属性的類似性を効果的に捉えることができるか？
• RQ2 提案されたカーネルは、既存の共通部分グラフに基づくカーネルと比較して、属性付きグラフにおける性能で優れているか？
• RQ3 グラフ積とクリーク検出技術を用いて、部分グラフマッチングカーネルを効率的に計算できるか？
• RQ4 柔軟な属性スコアリング方式は、実世界の属性付きグラフデータセットにおける分類精度を向上させるか？
• RQ5 このカーネルは、既知のグラフカーネル手法をどの程度一般化できるか？

主な発見

• 提案された部分グラフマッチングカーネルは、実世界の属性付きグラフ分類ベンチマークで最先端の性能を達成している。
• カーネル関数による属性類似度の統合を通じて、いくつかの既知のグラフカーネルを効果的に一般化している。
• グラフ積とクリーク検出に基づくアルゴリズムにより、部分グラフ同型のNP困難性にもかかわらず、カーネルの計算が効率的に行える。
• 属性のための柔軟なスコアリング方式は、属性情報を無視する手法と比較して、分類精度を顕著に向上させている。
• ベンチマークデータセットにおける実験結果から、複雑な属性相互作用を捉える点で、先行手法に比して一貫した改善が確認された。
• 多様な実世界のグラフ構造および属性タイプにわたり、このカーネルは頑健であり、その一般化能力が裏付けられた。