Im Rahmen der diesjährigen ECML-PKDD (European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases) haben Andreas Roth und Thomas Liebig (beide SFB 876 - B4) den "Best Paper Award“ erhalten. In ihrer Arbeit „Transforming PageRank into an Infinite-Depth Graph Neural Network“ haben sie sich einer Schwäche von Graph neuronalen Netzen (GNNs) angenommen. Bei GNNs sollen mithilfe von Graph Convolutions geeignete Repräsentation für Knoten bestimmt werden, welche die Knotenmerkmale mit dem Kontext innerhalb eines Graphen verknüpfen sollen. Werden Graph Convolutions mehrfach nacheinander durchgeführt, verlieren die einzelnen Knoten innerhalb des Graphen an Information anstatt von der gesteigerten Komplexität zu profitieren. Da PageRank selbst ein ähnliches Problem aufweist, wird eine seit Langem bewährte Variante von PageRank in ein Graph Neuronales Netz überführt. Die intuitive Herleitung bringt sowohl theoretische als auch empirischen Vorteile gegenüber verschiedenen bislang vielfach verwendeten Varianten.

https://2022.ecmlpkdd.org/index.php/2022/09/12/best-paper-awards/