15.2 Supervised GraphWiseアルゴリズムの使用(頂点埋込みおよび分類)

Supervised GraphWiseは、頂点の特徴情報を利用できる、帰納的な頂点表現学習アルゴリズムです。頂点分類やリンク予測などの様々なタスクに適用できます。

Supervised GraphWiseは、HamiltonらによるGraphSAGEに基づいています。

モデル体系

Supervised GraphWiseモデルは、グラフの畳込み層とそれに続く複数の予測層で構成されます。

頂点の畳込み層を通過する前方パスは、次のように処理されます。

1. 頂点の近隣のセットがサンプリングされます。
2. 近隣の前の層表現は平均集約され、集約された特徴は頂点の前の層表現と連結されます。
3. この連結されたベクトルに重みが乗算され、バイアス・ベクトルが追加されます。
4. 結果は、層出力が単位ノルムを持つように正規化されます。

予測層は、標準のニューラル・ネットワーク層です。

次に、Coraグラフを例として使用して、PGXでのGraphSAGEの実装における主な機能の使用方法を示します。

• グラフのロード
  
• 最小限のGraphWiseモデルの作成
  
• 高度なハイパーパラメータ・カスタマイズ
  
• 異機種間グラフを使用したGraphWiseモデルの作成
  
• Supervised GraphWiseモデルの分類と回帰モデル
  
• カスタム損失関数およびバッチ・ジェネレータの設定(異常検出用)
  
• Supervised GraphWiseモデルのトレーニング
  
• Supervised GraphWiseモデルのLoss値の取得
  
• Supervised GraphWiseモデルの頂点ラベルの推測
  
• Supervised GraphWiseモデルのパフォーマンスの評価
  
• Supervised GraphWiseモデルの埋込みの推測
  
• トレーニング済Supervised GraphWiseモデルの格納
  
• 事前トレーニング済Supervised GraphWiseモデルのロード
  
• Supervised GraphWiseモデルの破棄
  
• Supervised GraphWiseモデルの予測の説明