Aitchison埋め込みによる合成（コンポジショナル）グラフ表現の学習
arXiv cs.LG / 2026/5/4
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ノードを解釈しにくい埋め込みではなく、潜在的な「典型（アーキタイプ）」因子に対する混合としてモデル化する、合成グラフ埋め込みの枠組みを提案しています。
- 混合（確率に近い）を比較するためのAitchison幾何を用い、等長（isometric）log-ratio（ILR）座標によってAitchison距離を保ちながら、ユークリッド空間で制約なし最適化を可能にします。
- 得られる埋め込みは、アーキタイプ間のトレードオフが幾何として直接表れるため、事後的な説明手法に頼らずに本質的な解釈可能性を備えます。
- ノード分類とリンク予測の実験では、強力なベースラインに対して競争力のある性能を示し、さらに構成要素の制限下でも一貫した挙動を可能にします。
- サブコンポジショナルなコヒーレンスにより、成分の削除と再正規化を原理的に行えるほか、アーキタイプ群が表現や予測に与える影響を調べるための次元除去分析にも活用します。
