[1월 2주차] Scalable Heterogeneous GNN for Predicting High-Potential Sartups

[상추]

이번주에 리뷰할 논문은 스타트업을 분석하기 위해 Heterogeneous GNN을 활용한 논문이다. 요즘 Heterogeneous GNN을 활용하려하고있어서 한번 골라봤다. 

저자가 말한 바에 따르면, 이 논문의 contribution은 다음의 네가지로 요약될 수 있다.

1) 요소들의 정확도를 요약해 Parameterized Summated Adjacent Matrix를 출력하는 모델을 제안했다.

2) Hinge-Loss Markov Random Fields에 대한 MAP inference를 통해 빠른 optimization이 가능하게했다. 

3) GNN과 MAP infernece의 장점을 모두 가져온 SMGMNN faramework를 제안했다.

4) 실제 데이터를 활용한 case study로 모델의 활용성을 증명했다.

4번 빼고는 이해가 안갔다. 

일단 그림부터보자면

이렇게 그래프 input을 summation하여 parameterized summated ajacent matrix로 만든후 inference(map)와 GNN을 통해 inference와 learning을 병행하는 형태인듯했다. 이걸 EM framework라 부른다고한다. 인공지능카페 회원으로서 이걸 모른다는걸 반성한다. 

결과적으로 제안된 SMGMNN 모델은 다른 baseline들에 비해 훌륭한 성능을 보였다.

참고로 데이터셋은 

사람 수, (좋은) 스타트업들과의 관계, 벤처캐피탈과의 관계로 이루어진 형태였다. 이걸로는 예상하는게 쉬울것같아 보여서 좀 실망스러웠다.

암튼 논문은 아주 복잡하고 그럴듯해보였다. 오늘도 논문작성에대한 자신감이 떨어졌다....

[하마대장]

말만 들어도 어려운데요ㅠㅠㅠ

[상추]

제목만 봤을땐 쉬울거같아서 골랐는데ㅠㅠ