[3I5-GS-11] AIと社会：

[3I5-GS-11-05] グラフ深層学習とLightGBMとのハイブリッドモデルによる企業間ネットワークの取引額の推計

〇佐藤 遼次¹、矢野 良輔¹、水野 貴之² (1. 東京海上ディーアール株式会社、2. 国立情報学研究所)

キーワード：ネットワーク科学、サプライチェーン、グラフニューラルネットワーク

企業間の取引額を限られたデータから推計することは、災害時等における企業間ネットワークを介したショックの波及を考える上で重要な問題である。過去の研究では、国家間の貿易額等で観測されている重力則を適用することで推定式を得るアプローチがとられてきた。本研究では、最新の教師あり機械学習手法を用いてより高精度に取引額を予測する方法を検討する。説明変数として企業の売上高、業種、国籍、リンク数等の情報を用い、機械学習手法としてLightGBM、多層パーセプトロン（MLP）、そしてグラフ深層学習（GNN）の一種であるGraph Convolutional Networks (GCN)を用いて精度を比較した。その結果、単体ではLightGBM、MLP、GCNの順で高精度となり、グラフ深層学習の適用によるグラフ構造の反映が必ずしも精度を向上させるものではないことを確認した。一方で、GCNにより得られる埋込表現をモデルから抽出し、これを追加の説明変数としてLightGBMに与えるハイブリッドモデルとすることで、LightGBM単体に比べて予測精度が向上することを示した。