동질성에 구애받지 않는 그래프 도메인 적응을 위한 구조 재구성 방법

초록

본 논문은 라벨이 없는 타깃 그래프의 동질성(호모필리) 정도를 사전에 알 수 없는 상황에서, 그래프 도메인 적응을 수행하기 위해 원본 그래프를 동질적 변형과 이질적 변형으로 각각 재구성하고, 두 변형에 대해 별도로 정렬·전달하는 RSGDA 프레임워크를 제안한다. 구조 재구성은 완전 비지도 방식이며, 실험 결과 이질적 그래프에 특히 큰 성능 향상을 보인다.

상세 분석

RSGDA는 기존 GDA가 “모두 동질성 그래프”라는 전제에 의존하는 한계를 극복하기 위해 ‘divide‑and‑conquer’ 전략을 채택한다. 핵심 아이디어는 (1) 원본 그래프를 두 개의 변형, 즉 고동질성 그래프와 고이질성 그래프로 재구성하고, (2) 각각의 변형에 대해 독립적인 정렬 메커니즘을 적용해 소스와 타깃 사이의 분포 차이를 최소화하는 것이다.

1️⃣ 동질성 그래프 재구성

• 목표는 인접 노드 간 특징 거리를 최소화하면서도 정규화 제약을 유지하는 것이다.
• 최적화 식 (2)는   (\min_{\hat A}\sum_{i}\sum_{j}\hat A_{ij}F_{ij}+\hat A_{ij}^2+|\hat A^{(l)}-\hat A|2^2)   형태로, 여기서 (F{ij}= |x_i-x_j|^2)는 특징 거리, (\hat A^{(l)})는 l‑hop 전파 결과이다.
• 라그랑주 승수를 도입해 행합 제약((\sum_j \hat A_{ij}=1))과 비음성 제약((\hat A_{ij}>0))을 동시에 만족한다.
• 실제 구현에서는 l=2를 사용해 2‑hop 이웃 정보를 1‑hop 이웃에 강제 매핑함으로써, 다중 스케일의 동질성 정보를 포착한다.

2️⃣ 이질성 그래프 재구성

• 특징 공간과 토폴로지 공간 모두에서 서로 멀리 떨어진 노드 쌍을 ‘음성 쌍’으로 정의한다.
• 코사인 유사도로 만든 유사도 행렬 (S)와 인접 행렬 (A)의 보완 행렬 (\bar S=1-S), (\bar A=1-\tilde A)를 Hadamard 곱해 (\mathbf H=\bar S\odot\bar A)를 만든다.
• (\mathbf H)는 이질성을 강조하는 잠재적 연결을 나타내며, 각 노드당 상위 5개의 가장 낮은 유사도(즉, 가장 이질적인) 엣지만을 남겨 희소성을 유지한다.

3️⃣ 적응형 그래프 필터링

• 전통적인 저역통과 필터는 고주파 정보를 소멸시켜 이질성 그래프에서 성능 저하를 초래한다.
• 논문은 (\mathbf Z_E = \gamma ( \frac12 \mathbf L_E )) 형태의 적응형 필터를 제안해, 라플라시안 (\mathbf L_E)를 기반으로 저역과 고역 성분을 가중합한다. (\gamma)는 학습 가능한 스칼라 파라미터로, 그래프가 동질성인지 이질성인지에 따라 자동으로 조절된다.

4️⃣ 동질·이질 정렬 네트워크

• 두 변형(동질, 이질) 각각에 대해 소스와 타깃의 노드 임베딩을 추출한 뒤, 도메인 적응을 위한 적대적 손실(예: 그래디언트 역전 레이어) 혹은 MMD 기반 손실을 적용한다.
• 이렇게 하면 동질성 신호와 이질성 신호가 서로 섞이지 않고 독립적으로 정렬되므로, 전체 분포 차이가 보다 정교하게 감소한다.

5️⃣ 실험 및 결과

• 5개의 벤치마크(예: Cora, Citeseer, WebKB, Airport, 기타 이질성 전용 데이터)에서 RSGDA는 기존 GDA(UDAGCN, SOGA, JHGDA 등) 대비 평균 3~7%p의 정확도 향상을 보였다.
• 특히 이질성 비율이 0.3 이하인 그래프에서는 성능 격차가 10%p 이상으로, 제안 방법의 이질성 처리 능력이 입증되었다.
• Ablation study에서 (i) 동질·이질 재구성 없이 원본 그래프만 사용했을 때, (ii) 필터링만 적용했을 때, (iii) 정렬만 별도로 수행했을 때 각각 성능이 현저히 낮아, 세 구성 요소가 모두 필요함을 확인했다.

핵심 기여

• 라벨이 전혀 없는 상황에서도 그래프의 동질성 정도를 추정하지 않고, 구조 재구성을 통해 두 극단적인 변형을 자동 생성한다.
• 최적화 기반의 동질성 그래프 생성과 보완 행렬 기반의 이질성 그래프 생성을 결합해, 기존 방법이 놓치던 고주파·저주파 정보를 모두 활용한다.
• 적응형 필터와 별도 정렬 네트워크를 도입해, 동질·이질 신호를 혼합하지 않고 독립적으로 도메인 차이를 최소화한다.

전반적으로 RSGDA는 “동질성에 구애받지 않는” 그래프 도메인 적응이라는 새로운 패러다임을 제시하며, 특히 이질성 그래프가 점점 더 많이 등장하는 실세계 네트워크(소셜, 화학, 교통 등)에서 실용적인 해결책을 제공한다.