S$^3$GNN: 장거리 그래프 학습을 위한 효율적인 전역 혼합과 지역 메시지 전달
S$^3$GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning
TL;DR AI
1분핵심 요약
연구진은 제약적인 가정 없이 장거리 의존성 학습을 개선하는 그래프 신경망 S$^3$GNN을 제안했다.
이 모델은 전역 믹싱과 로컬 메시지 패싱을 효율적으로 결합해, 생략된 구성 요소를 낮은 비용으로 다시 반영하며 oversquashing을 줄인다.
표준 벤치마크, 지식 그래프 질의응답(KGQA), 메쉬 기반 유체역학 과제에서 강한 성능을 보였다.
또한 더 적은 파라미터와 연산량으로 작동해, 그래프 학습에서 더 효율적인 대안이 된다.
같은 주제
