[논문 리뷰] A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications

Hongyun Cai, Vincent W. Zheng외 1명|arXiv (Cornell University)|2017. 09. 22.

Advanced Graph Neural Networks참고 문헌 133인용 수 153

한 줄 요약

그래프 임베딩을 정의하고 문제 설정 및 기법 분류 체계를 제시하며 그래프 임베딩의 기법들, 응용, 그리고 향후 방향을 조사하는 포괄적 고찰이다.

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.

연구 동기 및 목표

• 정식 그래프 임베딩 개념과 입력/출력을 정의한다.
• 문헌을 체계화하기 위한 문제 설정 및 기법 분류 체계를 제안한다.
• 노드/엣지/부분구조/그래프 수준 전반에 걸친 그래프 임베딩이 가능하게 하는 응용을 요약한다.
• 계산, 설정, 기법 및 응용 분야에서 네 가지 유망한 향후 연구 방향을 식별한다.

제안 방법

• 그래프, 근접도 측정, 임베딩 목표에 대한 정식 정의와 표기를 도입한다.
• 상호 보완적인 두 가지 분류 체계: 문제 설정(입력/출력)과 임베딩 기법을 제시한다.
• 각 설정에서 기존 연구가 도전과제를 어떻게 다루는지 체계적으로 분석하고 기법 뒤에 숨은 통찰을 도출한다.
• 참조 시나리오를 가진 노드 관련, 엣지 관련, 그래프 관련 응용 사례로 그래프 임베딩 응용을 분류한다.
• 현재 한계에 대한 비판적 분석과 함께 네 가지 향후 연구 방향을 개략한다.

실험 결과

연구 질문

• RQ1 다른 입력/출력 구성에서 그래프 임베딩의 표준 문제 설정과 도전과제는 무엇인가?
• RQ2 이러한 도전과제를 다루는 기법은 무엇이며, 왜 이 기법들이 효과를 발휘하는지에 대한 통찰은 무엇인가?
• RQ3 그래프 임베딩은 다양한 실용적 응용을 어떻게 가능하게 하며, 어떤 향후 방향이 이 분야를 발전시킬 수 있는가?

주요 결과

• 두 가지 새로운 분류 체계가 문제 설정과 기법별로 그래프 임베딩 연구를 정리한다.
• 입력(동질/이질 그래프, 보조 정보가 있는 그래프, 비관계형 데이터로부터 구축된 그래프)과 출력(노드, 엣지, 하이브리드, 전체 그래프)에 대한 포괄적 분석이 제공된다.
• 본 연구 고찰은 기법 자체뿐 아니라 그 뒤에 숨은 통찰을 종합해 제시한다.
• 응용은 노드 관련, 엣지 관련, 그래프 관련 사용 사례로 분류되며 상세한 시나리오와 함께 제공된다.
• 네 가지 향후 방향은 계산 효율성, 문제 설정, 기법, 응용 영역을 강조한다.