[최성진 대학원생] 2023 NEURLPS WORKSHOPS 논문 ACCEPT
슈퍼관리자
2023-09-08
수학과 최성진 대학원생(석·박사 통합과정, 지도교수 오용근)이 2023 NeurlPS Workshops 논문이 Accept 되었다.
논문 제목 : Node Mutual Information: Enhancing Graph Neural Networks for Heterophily
저자 : Seongjin Choi, Gahee Kim, Se-Young Yun
연구내용 : 본 연구에서는 이종 그래프에서 노드 간의 종속성을 포착하기 위해 노드 상호 정보(k-MI)의 사용을 제안한다. 그래프와 연관된 확률 공간을 정의하고, 노드 거리를 기반으로, 그래프를 k+1 영역으로 분할하는 k-노드 확률 변수를 도입한다. 두 노드 확률 변수 사이의 k-MI는, 두 노드 사이의 직접적인 연결과 간접적인 연결을 모두 고려하여, 거리에 관계없이 그들의 종속성을 정량화한다. 이 k-MI 값을 메시지 총계 함수의 가중치로 사용하는 kth MIGNN을 제안한다. 실제 데이터셋에서의 실험들은 기준 GNN에 비해 더 나은 성능을 보여준다.
논문 제목 : Node Mutual Information: Enhancing Graph Neural Networks for Heterophily
저자 : Seongjin Choi, Gahee Kim, Se-Young Yun
연구내용 : 본 연구에서는 이종 그래프에서 노드 간의 종속성을 포착하기 위해 노드 상호 정보(k-MI)의 사용을 제안한다. 그래프와 연관된 확률 공간을 정의하고, 노드 거리를 기반으로, 그래프를 k+1 영역으로 분할하는 k-노드 확률 변수를 도입한다. 두 노드 확률 변수 사이의 k-MI는, 두 노드 사이의 직접적인 연결과 간접적인 연결을 모두 고려하여, 거리에 관계없이 그들의 종속성을 정량화한다. 이 k-MI 값을 메시지 총계 함수의 가중치로 사용하는 kth MIGNN을 제안한다. 실제 데이터셋에서의 실험들은 기준 GNN에 비해 더 나은 성능을 보여준다.
