Paper: https://arxiv.org/pdf/1706.02216.pdf
PR113 Facebook group: https://www.facebook.com/groups/565858127904979
1. 기존 network embedding 논문들은 transductive learning 방법을 사용
- Unseen node, newly added node에 대해 embedding을 쉽게 generate하기 힘듦
- 대안으로 inductive learning!
2. 그래서 본 논문에서는,
- Neighbor sampling: batch computation 양 일정하게 유지 + 개인적으로는 inductive learning을 할 수 있는 장치
- Performance - Runtime 간 trade-off
- 각 layer를 aggregate, concatenate function으로 구성
- 3종류(pooling, mean, LSTM) aggregate function 실험
3. 실험에서는,
- GCN과 비교해서 training, inference time에 큰 차이는 없지만 classifying nodes in evolving graphs(citation, reddit data), generalizing across graph(protein-protein interaction data)에서 더 좋은 성능을 보임