メインページ

第14章 GNNにおける発展的な話題

はじめに

第 $\mathrm{I}\hspace{-1.2pt}\mathrm{I}$ 部では，グラフ深層学習の最も確立された手法について議論してきたが，これらの手法に関する理解が深まるにつれて，現行のGNNにはさまざまな限界が存在していることが明らかになっている． こうした限界の一部は，従来のDNNが元々抱えていた問題である． 例えば，DNNと同じく，GNNはしばしばブラックボックスであるとみなされることがあり，「その動作原理を人間が理解するのに十分な説明がされていない」という問題を抱えている． さらに，特定のグループに対する差別的な振る舞いを引き起こす可能性があり，その結果，社会に対して前例のない倫理的，道徳的，法的な影響を及ぼすことがある． 他方で，DNNにはないGNN固有の限界も存在する． 例えばGNNでは，「ネットワークの層数を増やすと性能が大幅に低下する」という傾向があったり，さらに，既存のGNNが持つ「グラフ構造を識別する能力」にも一定の限界が存在している． このような状況に対して，近年では，従来のDNNで得た知見がGNNの発展のために活用されている． 例えば，GNN向けに，ラベルなしデータを探索するための戦略（自己教師あり学習）が設計されていたり，また，GNNをユークリッド空間から双曲空間(hyperbolic space)へと拡張する試みも行われている．

本章では，これらのGNNの進展に関する取り組みを詳細にまとめている． 特に，読者をGNN研究の最前線へ近づけ，将来の研究への新たな道筋を提示することを目指す． この章で取り扱う高度なトピックには，「深層グラフニューラルネットワーク」「GNNの自己教師あり学習によるラベルなしデータの探索」「GNNの表現力の限界」といった，比較的発展したものが含まれている． これらについては次の節で詳しく説明する． それに対し，他の一部のトピックはまだ研究の初期段階にあり，それらに関しては参考文献として本章の最後に紹介する．

目次


メインページ