CIKM 2018の論文 "Are Meta-Paths Necessary? Revisiting Heterogeneous Graph Embeddings"（ https://dl.acm.org/citation.cfm?id=3271777 ） の紹介スライドです。（英語で発表したものをそのままアップしたので英語です）
以前紹介したmetapath2vec( https://speakerdeck.com/kuri8ive/metapath2vec-scalable-representation-learning-for-heterogeneous-networks )により、meta-pathベースのランダムウォーク手法は有用であると考えられるようになりました。しかし、どのmeta-pathを選択するかが分散表現の質に大きく影響するという課題があり、Attentionにより複数のmeta-pathの影響を統合する( https://speakerdeck.com/kuri8ive/leveraging-meta-path-based-context-for-top-n-recommendation-with-a-neural-co-attention-model )といった研究が行われています。
本研究ではmeta-pathを利用せず、同一タイプのノードへの遷移or別タイプのノードへの遷移を確率で制御するという手法が提案されました。実験では良好な結果を示していますが、データセットのグラフがいずれも4種類のノードタイプかつエッジの張り方も似ており、知識グラフのような一般的で複雑なグラフに対しても機能するかは疑問が残ります。(Future Workとはしていますが…)また、メモリーサイズは結果にはあまり影響しなかった、としていますが、同一タイプへのエッジが張られているノードタイプが少なかったために、同一タイプへの遷移が不可能なノードが多かったからでは…というのも疑問点。（例えば、DBLPデータセットでP以外のノードに遷移した時、次はPのノードに遷移するしかない）さらに、meta-pathの選択が不要になった代わりに、どのタイプのノードに同一タイプへのエッジを張るか、という選択の必要性が生じていて、これもまたドメイン知識を必要とする困難なタスクであると思われるため、本質的な解決はできていないのではないかとも思います。
研究室のゼミでの発表用スライドにつき、口頭で説明した部分を反映できていないかと思いますが、あらかじめご容赦くださいませ。
kuri8ive
asonas
marketing2024
masatoto
hf149
sansan_randd
langstat
trafficbrain
monochromegane
fta98
upura
0325
andyhume
jrom
tammyeverts
holman
geeforr
chriscoyier
paulrobertlloyd
michaelherold
danielanewman
scottboms
jponch
addyosmani
