비지도 그래프 표현 학습은 과평탄화로 인해 정점 표현의 품질이 저하될 수 있다. 과평탄화의 주요 원인은 이질적인 이웃 정점의 병합, 그래프 합성곱에서 전파와 특징 변환의 결합이다. 이를 해결하기 위해 본 연구는 간선 판별기와 탈결합 인코더를 사용하는 비지도 그래프 대조 학습 모델인 UED를 제안한다. 구체적으로, 간선 판별기는 이질적 이웃 정점 병합으로 인한 과평탄화를 완화하고, 탈결합 인코더는 전파와 특징 변환의 결합으로 인한 과평탄화를 완화한다. 또, 데이터셋의 성질을 고려하여 특징 정보 기반의 kNN(k-Nearest Neighbor)과 구조 정보 기반의 kNN을 이용하여 양성 샘플링한다. 6개의 이질 간선 그래프 데이터셋에서 정점 분류 실험을 수행하여 제안 방법의 효과를 입증했다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.