GNNにおける同グラフのタスク間転送の評価と予測因子

• 多くの実世界のグラフは、同じ構造に対して複数の予測タスクをサポートしています。
• 本研究では、ノード分類とリンク予測の間の転送を形式化し、漏洩のないプロトコルを提案します。
• 特に、リンク予測が構造的事前学習として機能することを示し、タスク間の相互作用を理解する手助けをします。

実世界のグラフは複数の予測タスクを持つことが多く、タスク間の知識転送が重要です。本論文では、ノード分類とリンク予測の同グラフ間転送を形式化し、新しいプロトコルを提案しています。特に、リンク予測がノード分類の精度向上に寄与する条件を明らかにし、タスク間の相互作用を探求しています。GNNに関心がある研究者や実務者にとって、興味深い知見が得られるでしょう。

GNNや機械学習に興味がある研究者や実務者に向いています。