DSBD：グラフ・ドメイン適応のためのDual-Aligned Structural Basis Distillation

arXiv cs.LG / 2026/4/6

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、グラフ・ドメイン適応（GDA）を扱う。そこでは、特徴中心の転送手法が破綻するような分布の変化やトポロジーの変化があっても、ラベル付きソースグラフをラベルなしターゲットグラフへと転送しなければならない。
そこで提案されるのが、Dual-Aligned Structural Basis Distillation（DSBD）である。確率的なプロトタイプ・グラフから微分可能な構造基底を構築し、意味的識別性を高めるためにソースの教師ありでそれを学習する。
DSBDは、補完的な2つの制約により、ソースとターゲットの構造的な差異を整合させる。幾何学的な整合性のための、順列不変なトポロジカル・モーメントのマッチングと、スペクトル整合性のためのディリクレエネルギーのキャリブレーションである。
さらに、推論を切り離したアプローチも導入し、蒸留した構造基底上で新しいGNNを学習することで、ソース固有の構造バイアスを低減する。
グラフおよび画像ベンチマークにおける実験では、最先端のGDA手法に対して一貫した改善が報告されている。