[3G1-GS-2g] 機械学習：分類

[3G1-GS-2g-01] ノードのマルチラベル分類を可能にするSelf-Attention Networkの拡張モデル

〇飯塚 玲夫¹、川上 達也¹、楊 添翔¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：Self-Attention Network、マルチラベル分類、GAT、Node Embedding、グラフ構造データ

近年，情報技術の発達により，論文ネットワークなどグラフ構造を持つデータが多く蓄積されるようになり，その分析手法への関心が高まっている．グラフにおいて各ノードの属性がラベルとして付与されており，論文のキーワードなど複数のラベルを保有することが多い．そこで，グラフデータからそのノードに付与すべきラベルを全て予測するマルチラベル分類が重要となる．
単一のノードラベルを分類する手法として，ノードの重要度を加味して学習するSelf–Attention Networkを用いて近傍ノードの情報を加味したHANという手法が知られている．しかし，近傍ノードには存在しない一部のラベルの予測などを行うため，HANを単純にマルチラベル分類へ拡張しても高い精度を得ることは難しい．
そこで本研究では，広域なグラフ構造を加味したマルチラベル分類手法を提案する．具体的には，自身のノードから広範囲のグラフ構造を捉えたノード埋め込み手法であるSANNEにより得られる特徴量をHANの入力とするマルチラベル分類手法を考える．また，論文ネットワークデータから論文のキーワード予測を行う問題に適用し，提案手法の有効性を示す．