論文の概要: The Role of Node Features in Graph Pooling

• arxiv url: http://arxiv.org/abs/2605.06250v1
• Date: Thu, 07 May 2026 13:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.847389
• Title: The Role of Node Features in Graph Pooling
• Title（参考訳）: グラフポーリングにおけるノード機能の役割
• Authors: Jan von Pichowski, Alžbeta Hrabošová, Ingo Scholtes, Christopher Blöcker,
• Abstract要約: グラフプーリングは一般的にグラフ分類に適用されるが、その経験的ゲインはしばしば限界的あるいは矛盾する。 解析の結果,プーリング演算子はグラフのトポロジに整合したノード機能を必要とすることがわかった。 私たちの経験的評価は、これらの要件が満たされると、プーリングが有用になり、適切なデータセットのパフォーマンスが向上することを示している。
• 参考スコア（独自算出の注目度）: 4.450668516995356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph pooling is commonly applied in graph classification, yet its empirical gains over standard WL-1 expressive GNNs are often marginal or inconsistent. We study this gap by analysing the interaction between node features and graph topology and their effect on pooling objectives. Our analysis reveals that pooling operators require node features that are well-aligned with the graph's topology -- a condition often overlooked and not guaranteed in empirical networks. We formalise fundamental requirements for node features to enable effective pooling, and introduce a quantitative measure of feature quality. Our empirical evaluation shows that, when these requirements are satisfied, pooling can be beneficial and improve performance on appropriate datasets.
• Abstract（参考訳）: グラフプーリングはグラフ分類に一般的に適用されるが、標準のWL-1表現型GNNよりも経験的な利得は、しばしば限界的あるいは矛盾する。 本研究では,ノード特徴とグラフトポロジ間の相互作用の解析と,プールの目的に対する影響について検討する。 我々の分析によると、プーリング演算子はグラフのトポロジによく整合したノード機能を必要とする。 ノード機能の基本要件を定式化し,効果的なプール化を実現し,機能品質を定量的に測定する。 私たちの経験的評価は、これらの要件が満たされると、プーリングが有用になり、適切なデータセットのパフォーマンスが向上することを示している。

関連論文リスト

• Graph Attention for Heterogeneous Graphs with Positional Encoding [0.0]
  グラフニューラルネットワーク(GNN)は、グラフデータモデリングのデファクトスタンダードとして登場した。 この研究は、異種グラフの最も効果的な方法を特定するために、様々なGNNアーキテクチャをベンチマークする。 その結果,これらの作業においてグラフ注意ネットワークが優れていることがわかった。
  論文  参考訳（メタデータ） (2025-04-03T18:00:02Z)
• Revisiting Graph Neural Networks on Graph-level Tasks: Comprehensive Experiments, Analysis, and Improvements [54.006506479865344]
  グラフレベルグラフニューラルネットワーク(GNN)のための統一評価フレームワークを提案する。 このフレームワークは、さまざまなデータセットにわたるGNNを評価するための標準化された設定を提供する。 また,表現性の向上と一般化機能を備えた新しいGNNモデルを提案する。
  論文  参考訳（メタデータ） (2025-01-01T08:48:53Z)
• DEGREE: Decomposition Based Explanation For Graph Neural Networks [55.38873296761104]
  我々は,GNN予測に対する忠実な説明を提供するためにDGREEを提案する。 GNNの情報生成と集約機構を分解することにより、DECREEは入力グラフの特定のコンポーネントのコントリビューションを最終的な予測に追跡することができる。 また,従来の手法で見過ごされるグラフノード間の複雑な相互作用を明らかにするために,サブグラフレベルの解釈アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2023-05-22T10:29:52Z)
• The expressive power of pooling in Graph Neural Networks [6.5268245109828005]
  グラフプーリングがグラフニューラルネットワーク(GNN)の表現性に与える影響について検討する。 プーリング演算子がMP層の表現力を完全に維持できる十分な条件を導出する。 本稿では,プール層を備えたGNNの表現力を実証的に検証するための実験装置を提案する。
  論文  参考訳（メタデータ） (2023-04-04T07:03:08Z)
• Higher-order Clustering and Pooling for Graph Neural Networks [77.47617360812023]
  グラフニューラルネットワークは、多数のグラフ分類タスクにおいて最先端のパフォーマンスを達成する。 HoscPoolはクラスタリングベースのグラフプーリング演算子で、階層的に高階情報をキャプチャする。 グラフ分類タスクにおいてHoscPoolを評価し,そのクラスタリングコンポーネントを地層構造を持つグラフ上で評価する。
  論文  参考訳（メタデータ） (2022-09-02T09:17:10Z)
• Explicit Pairwise Factorized Graph Neural Network for Semi-Supervised Node Classification [59.06717774425588]
  本稿では,グラフ全体を部分的に観測されたマルコフ確率場としてモデル化するEPFGNN(Explicit Pairwise Factorized Graph Neural Network)を提案する。 出力-出力関係をモデル化するための明示的なペアワイズ要素を含み、入力-出力関係をモデル化するためにGNNバックボーンを使用する。 本研究では,グラフ上での半教師付きノード分類の性能を効果的に向上できることを示す。
  論文  参考訳（メタデータ） (2021-07-27T19:47:53Z)
• Node Similarity Preserving Graph Convolutional Networks [51.520749924844054]
  グラフニューラルネットワーク(GNN)は、ノード近傍の情報を集約し変換することで、グラフ構造とノードの特徴を探索する。 グラフ構造を利用してノード類似性を効果的かつ効率的に保存できるSimP-GCNを提案する。 本研究は,SimP-GCNが3つの分類グラフと4つの非補助グラフを含む7つのベンチマークデータセットに対して有効であることを示す。
  論文  参考訳（メタデータ） (2020-11-19T04:18:01Z)
• Learning to Drop: Robust Graph Neural Network via Topological Denoising [50.81722989898142]
  グラフニューラルネットワーク(GNN)のロバスト性および一般化性能を向上させるために,パラメータ化トポロジカルデノイングネットワークであるPTDNetを提案する。 PTDNetは、パラメータ化されたネットワークでスパーシファイドグラフ内のエッジ数をペナル化することで、タスク非関連エッジを創出する。 PTDNetはGNNの性能を著しく向上させ,さらにノイズの多いデータセットでは性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-11-13T18:53:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。