Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2025.05a
  • /
  • Pages.413-416
  • /
  • 2025
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Analyzing the Trade-off Between Accuracy and Memory Efficiency in Graph Embedding Methods

그래프 임베딩 방법의 정확도-메모리 트레이드오프 분석

  • 조성운 (한양대학교 컴퓨터소프트웨어학과 ) ;
  • ;
  • 김상욱 (한양대학교 컴퓨터소프트웨어학과 )
  • Published : 2025.05.29
Download PDF
⟨ Previous Next ⟩

Abstract

일부 최신 그래프 연구는 정확도 향상에만 초점을 맞추거나 정확도보다 메모리 효율성을 우선적으로 고려한다. 그러나 효과적인 그래프 임베딩 방법은 정확도와 메모리 효율성을 동시에 제공해야 한다. 따라서 본 연구에서는 15 개의 최신 방법을 대상으로, 8 개의 실세계 데이터셋에서 정확도와 메모리 효율성 간의 트레이드오프를 비교 분석한다. 이를 통해 실세계 어플리케이션에서 효과적인 그래프 임베딩 방법 선택 시, 정확도와 메모리 효율성을 종합적으로 고려할 수 있는 실질적인 가이드를 제공한다. 실험 결과, 메모리 제한 환경에서는 그래프 압축 기반 방법이, 높은 정확도가 요구되는 어플리케이션에서는 유사도 기반 방법이 가장 효과적임을 확인하였다.

Keywords

Acknowledgement

본 논문은 (1)정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원(No.RS-2022-00155586)과 (2)정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원 (No.RS-2020-II201373, 인공지능대학원지원(한양대학교))을 받아 수행된 연구임.

References

  1. Bryan Perozzi et al., "DeepWalk: Online Learning of Social Representations" In Proc. of ACM KDD, 2014, pp. 701-710.
  2. Aditya Grover et al., "node2vec: Scalable Feature Learning for Networks", In Proc. of ACM KDD, 2016, pp. 855-864.
  3. Anton Tsitsulin et al., "VERSE: Versatile Graph Embeddings from Similarity Measures", In Proc. of WWW, 2018, pp. 539-548.
  4. Anton Tsitsulin et al., "FREDE: Anytime Graph Embeddings", The VLDB Endowment 14, 6, 2021, pp. 1102–1110.
  5. Masoud Rehyani Hamedani et al., "GELTOR: A Graph Embedding Method Based on Listwise Learning to Rank", In Proc. of WWW, 2023, pp. 6-16.
  6. Quanyu Dai et al., "Adversarial Training Methods for Network Embedding", In Proc. of WWW, 2019, pp. 329 339.
  7. Jian Tang et al., "LINE: Large-Scale Information Network Embedding", In Proc. WWW, 2015, pp. 1067-1077.
  8. Zhaoru Ke et al., "DUPLEX: Dual GAT for Complex Embedding of Directed Graphs", In Proc. of ICML, 2024, pp. 1-19.
  9. Jiongqian Liang et al., "MILE: A Multi-Level Framework for Scalable Graph Embedding", In Proc. of AAAI, 2021, pp. 361-372.
  10. Houquan Zhou et al., "A Provable Framework of Learning Graph Embeddings via Summarization", In Proc. of AAAI, 37, 4, 2023, pp. 4946-4953.
  11. Jundong Li et al., "Multi-Level Network Embedding with Boosted Low-Rank Matrix Approximation", In Proc. of ASONAM, 2019, pp. 49-56.
  12. Tomas Mikolov, "Efficient estimation of word representations in vector space" arXiv preprint arXiv:1301.3781 3781, 2013.
  13. Edo Liberty, "Simple and deterministic matrix sketching" In Proc of ACM SIGKDD, 2013, pp. 581-588.
  14. Houquan Zhou et al., "DPGS: Degree-Preserving Graph Summarization" In Proc. of SDM, 2021, pp. 280-288.
  15. Guillaume Salha et al., "Gravity-Inspired Graph Autoencoders for Directed Link Prediction", In Proc. of ACM CIKM, 2019, pp. 589-598.
  16. George Karypis et al., "A fast and high quality multilevel scheme for partitioning irregular graphs", SIAM Journal on scientific Computing, 20, 1, 1998, pp. 359–392.
  17. George Karypis el al., "Multilevelk-way Partitioning Scheme for Irregular Graphs", Journal of Parallel and Distributed computing, 48, 1, 1998, pp. 96–129.
  18. Jiezhong Qiu et al., "Network Embedding as Matrix Factorization: Unifying DeepWalk, LINE, PTE, and node2vec." In Proc. of ACM WSDM, 2018, pp. 459-467.
  19. Dingqi Yang et al., "NodeSketch: Highly-Efficient Graph Embeddings via Recursive Sketching", In Proc. of ACM KDD, 2019, pp. 1162-1172.
  20. Hao Zhu et al., "REFINE: Random Range Finder for Network Embedding", In Proc. of ACM CIKM, 2021, pp. 3682-3686.
  21. Fiorini Stefano et al., "SigMaNet: One Laplacian to Rule Them All", In Proc. of AAAI, 37, 6, 2023, pp. 7568–7576.
  22. Sheng Zhou et al., "Direction-Aware User Recommendation Based on Asymmetric Network Embedding" ACM Transactions on Information Systems, 40, 2, 2021, pp.1–23.
  23. Shanshan Feng et al., "Role: Rotated lorentzian graph embedding model for asymmetric proximity." IEEE Transactions on Knowledge and Data Engineering, 35, 9, 2022, pp. 9140–9153.
  24. Weiren Yu et al., "SimRank*: Effective and scalable pairwise similarity search based on graph topology." The VLDB Journal, 28, 2019, pp. 401–426.