Untitled

노드 임베딩은 함수 f 를 거쳐 d차원의 임베딩 공간으로 mapping 되는 것.

노드 임베딩의 목표 : 유사한 노드가 인코더를 통과한 후 임베딩 공간(d차원)에서도 가까이 위치하도록 만드는 것.

Input graph를 통해 정의내려야될 3가지

  1. 그래프 유사도 정의 - random walk, deep walk 등을 통해 정의.
  2. 인코더 함수 - shallow encoding
  3. 임베딩 공간 유사도 정의 - $z^{T}_vz_u$

shallow encoding

Untitled

shallow encoding의 문제점)

임베딩 행렬에서 노드의 임베딩 벡터를 각 칼럼에 담아, 벡터를 읽어오는 방식 → 노드 간에 파라미터를 공유하지 않기 때문에 노드의 개수가 증가할 수록 행렬의 크기가 계속 늘어나게 되며, 훈련 과정에서 보지 못한 노드는 임베딩을 생성할 수 없다. 또한 노드의 feature 정보는 포함되지 않는다.

Deep Graph Encoder**)**

이러한 문제점을 해결하기 위해 단순히 look up 하는 임베딩 방식에서 다중 레이어로 구성된 encoder 를 활용(CNN, RNN 등)

Untitled