モチーフによるホモフィリーとヘテロフィリーのネットワーク変換の統合

本論文では、ネットワーク埋め込みの質や下流のネットワーク分析タスクの性能に重要な高次近接性（HOP）を考慮した新たなフレームワーク「H2NT」を提案します。このH2NTは、ホモフィリーとヘテロフィリーを柔軟に統合し、モチーフ表現を利用してネットワークを再構築します。従来の手法では、近接するノード同士の関連性を重視するホモフィリーまたは構造的に類似した距離のあるノードを扱うヘテロフィリーのみが考慮され、これが予測性能や解釈性に影響を与えていました。H2NTは既存のネットワーク埋め込み手法と統合可能で、計算効率を向上させることができます。実験では、ノード分類やモチーフ予測において最先端の手法に対して24%の精度向上と46%の計算時間短縮を達成しました。