抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,グラフベースの変換分類の問題を考察し,多くの実世界応用のための自然形式である有向グラフシナリオに特に関心を持つ。対称化の手段によって,無有向グラフグラフまたは回避方向性を扱う既存の研究努力と異なり,著者らは,非標識過渡状態からの訪問の累積期待数を最大化すると見なすことができる,吸収Markov連鎖を用いた有向グラフ上の新しいランダムウォーク手法を提案した。このアルゴリズムは簡単で,実装が容易で,二値,多クラス,およびマルチラベル予測問題に関する大規模グラフで動作する。さらに,入力グラフがスパースで,時間とともに変化する場合でも,グラフ構造を保存することができ,また,指向エッジにおいて提示された弱い信号を保持することができる。グラフカーネル,グラフLaplaceベースの方法,グラフのスパンニング森林を含む多数の既存の方法との密接な関係を示した。その計算複雑性と一般化誤差も研究した。経験的に,著者らのアルゴリズムを広い範囲の応用について評価し,そこでは一連の最先端の方法と競争的に比較することを示した。特に,著者らのアルゴリズムは,例えば数百万のノードと数百万のエッジを有する大きなスパース有向グラフを用いて例外的に良好に動作することを示した。ここで,それは他の最先端の方法よりも著しく優れている。ノードの挿入または削除を含む動的グラフ設定において,また,時間にわたるエッジ重みの変化も,バッチ更新対応物と同じ結果を生み出す効率的なオンライン更新を可能にする。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】