본 연구는 그래프 구조 유사성 추정에서 인코더 기하학이 미치는 영향을 분석하는 이론적 프레임워크를 제시합니다. 그래프 신경망(GNN)을 활용한 그래프 유사성 예측 및 정렬 기반 방법론에 대한 연구를 진행했습니다. 그래프 수준의 바이-립시츠 인코더는 GED 서로게이트를 제어하고 순위 안정성을 향상시키는 것으로 나타났습니다.
정렬 기반 추정기에서 노드 수준의 바이-립시츠 기하학은 인코더 유도 정렬 비용과 최적화된 정렬 목표에 전달됩니다. FSW-GNN을 활용하여 대표적인 신경 그래프 GED 아키텍처에 적용한 결과, GED 예측 및 순위 지표가 크게 향상되었습니다.
실험 결과, 인코더 기하학은 그래프 구조 유사성 추정의 중요한 설계 원칙임을 확인했으며, 이는 향후 연구 방향을 제시합니다.