Graph Representation learning에서의 Transductive setting과 Inductive setting의 의미를 알아보자.
✔ Transductive setting
transductive setting에서 모델 훈련의 output은 node embedding이다. embedding function이 존재하지 않기 때문에 훈련 기간에 등장하지 않은 데이터에 대해서는 embedding을 생성해낼 수 없다.
Transductive setting에서는 training시 등장했던 데이터가 test dataset에도 존재할 수 있다. 즉, test dataset또한 모델이 관측한 상태인 것이다. 모델 훈련 후 test data의 label을 예측하는 것이다. 그러나 이 방식은 새로운 데이터가 등장하면 모델을 처음부터 다시 구성하여야 한다는 점에서 계산 효율이 낮다.
✔ Inductive setting
Inductive setting에서 모델 훈련의 output은 encoder 즉, embedding을 생성하는 function이다. 따라서 테스트시, 모델 훈련할 때 등장하지 않은 데이터에 대해서도 embedding을 생성해낼 수 있는 것이다.
Inductive setting에서는 traning과 test dataset을 완전리 분리한다. 따라서 test set에는 훈련기간동안 등장하지 않았던 data만 존재한다. 새로운 데이터가 등장하면 모델을 새롭게 구성할 필요가 없기 때문에 효율성이 높다.
