双曲グラフ表現学習手法のための統一的フレームワーク

概要: 双曲幾何は、低次元の埋め込みによって階層的な構造や異種混在の接続パターンを捉えることができるため、複雑なネットワークを表すための効果的な潜在空間として登場してきました。その結果、近年では数多くの双曲グラフ表現学習手法が提案されています。しかし、実装が断片化しており、再現可能で公平な評価のための共有ツールが不足しているため、実運用への採用や体系的な比較は依然として困難です。本研究では、共通の最適化インターフェースのもとで複数の広く用いられている埋め込み手法を統合する、双曲グラフ表現学習のための統一されたオープンソースの枠組みを提案します。この新しい枠組みにより、双曲埋め込みの一貫した学習、可視化、評価が可能になり、標準的なネットワーク解析ツールともシームレスに連携できます。さらに、この統一されたセットアップを活用して、本研究では現実世界のネットワークに対する双曲埋め込み手法の実験的な検討を行い、代表的な2つの下流タスク、すなわちリンク予測とノード分類に焦点を当てます。予測精度にとどまらず、本研究は既存手法の強みと限界に関する実践的な知見を提供し、それによって適切な手法選択を促進するとともに、双曲グラフ表現学習における再現可能な研究の推進に寄与します。