[논문 리뷰] COPT: Coordinated Optimal Transport on Graphs

Yihe Dong, Will Sawin|arXiv (Cornell University)|2020. 03. 09.

Complex Network Analysis Techniques인용 수 3

한 줄 요약

COPT는 그래프 간 정점 및 신호 분포 매핑을 동시에 최적화하는 좌표화된 최적 운반(coordinated optimal transport)을 사용하는 새로운 그래프 거리 측정법을 도입하여, 스펙트럼 구조를 유지하면서도 비지도 그래프 표현 학습을 가능하게 하며, 합성 및 실세계 데이터셋에서 그래프 분류 작업에서 최신 기법들을 능가한다.

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.

연구 동기 및 목표

• 최적 운반을 활용하여 레이블이 없는 데이터를 사용해 일반적인 목적의 그래프 표현을 학습할 수 있는 비지도 방법을 개발하기 위해.
• 표현 학습 과정에서 그래프의 전반적 구조적 및 스펙트럼 정보를 유지하기 위해.
• 통합된 거리 측정법을 통해 그래프 스케치 및 그래프 비교를 모두 가능하게 하기 위해.
• 기존 그래프 거리 측정법이 구조적 및 신호 분포 정렬을 동시에 최적화하지 못하는 한계를 해결하기 위해.
• 최신 기법보다 이론적으로 탄탄하고 경험적으로도 뛰어난 대안을 제공하기 위해.

제안 방법

• COPT는 두 가지 쌍대 운반 계획을 통합 최적화하는 방식으로, 하나는 그래프 간 정점 간 매핑을, 다른 하나는 그래프 신호 확률 분포 간 매핑을 다룬다.
• 이 방법은 최적 운반 이론을 활용하여 구조적 및 스펙트럼 성질을 유지하는 좌표화된 운반 맵을 계산한다.
• 정점 대응 관계와 신호 분포 정렬을 동시에 개선하는 좌표화된 최적화 프레임워크를 도입한다.
• 운반 맵 하에서 스펙트럼 정보가 유지됨을 이론적으로 분석한 바 있다.
• 이 프레임워크는 그래프 스케치와 그래프 간 비교 분석 모두에 적용 가능하도록 설계되었다.
• 레이블이 없는 데이터만을 사용해 비지도 방식으로 학습된다.

실험 결과

연구 질문

• RQ1 최적 운반 이론을 어떻게 확장하여 그래프 내에서 정점 대응 관계와 신호 분포 정렬을 동시에 모델링할 수 있는가?
• RQ2 좌표화된 운반 프레임워크는 그래프의 스펙트럼 및 전반적 구조적 정보를 어느 정도 유지하는가?
• RQ3 좌표화된 최적 운반 기반의 통합 비지도 거리 측정법이 기존 방법보다 그래프 분류 작업에서 뛰어난 성능을 보일 수 있는가?
• RQ4 COPT와 기존 그래프 표현 학습 방법 간의 이론적 관계는 무엇인가?
• RQ5 COPT는 다양한 합성 및 실세계 그래프 데이터셋에서 어떻게 성능을 발휘하는가?

주요 결과

• COPT는 합성 및 실세계 데이터셋 모두에서 그래프 분류 작업에서 최신 기법을 능가하는 성능을 달성한다.
• 이론적 분석과 경험적 검증을 통해 그래프의 스펙트럼 정보가 유지됨을 확인하였다.
• COPT는 기존 최신 기법보다 그래프 분류 벤치마크에서 뛰어난 성능을 보였다.
• 이중 운반 맵의 좌표화된 최적화는 더 견고하고 일반적인 목적의 그래프 표현을 가능하게 한다.
• 통합된 거리 측정 설계 덕분에 그래프 스케치 및 비교 분석 모두에 효과적이다.
• 경험적 결과는 이 방법이 다양한 그래프 학습 작업에서 뛰어난 성능을 발휘함을 확인한다.