S2Aligner는 희소 텍스트-속성 그래프(TAG) 사전 훈련을 위한 새로운 프레임워크예요. 기존 방법은 노드 텍스트가 충분한 감독 신호라고 가정하지만, 실제 TAG에서는 이 가정이 자주 위배돼요.
S2Aligner는 의미 정합과 구조 모델링을 분리해, 토폴로지 기반 신호를 활용해 정합을 강화하면서 공유 의미 공간을 오염시키지 않아요.
구조적 신호 불일치를 억제하고, 도메인 위험 불균형을 제어하는 방식으로 다양한 그래프 도메인과 작업에서 기존 방법보다 뛰어난 성능을 보여줬어요.
S2Aligner는 그래프의 신뢰도를 추정해 희소 샘플의 가중치를 낮추는 방식으로, 도메인 위험 차이를 줄여 교차 도메인 일반화 격차를 줄여요.