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。
ソーシャルネットワーク,出版ネットワーク,World Wide Webのような情報ネットワークを実世界のいたるところに存在する。伝統的に,使用したネットワークを表現する隣接行列。しかし,ネットワークの規模が大きい場合には隣接行列がスパースと高すぎる次元である。ノードのための低次元連続表現を学習することを目的とした,ネットワーク埋め込みは近年ますます注目を集めている。DeepWalk,線,node2vecなどの多くのネットワーク埋め込み法が最近提案されている。ノード分類およびリンク予測のような多くの伝統的なタスクを学習表現から利益を得ることが証明されている。これら既存のネットワークの埋め込み手法の大部分は,ネットワークの構造を保存するに集中しているが中心性情報を無視した。各個々のノードの重要性を測定する中心情報は多くの応用に有用であることが証明されている。次数中心性,近接中心性,媒介中心性,固有ベクトル中心性とページランクのような種々の中心度測度を提案した。異なる中心性測度を,異なる用途に応じて選択すべきである。本論文では,ネットワーク上にとどまらず構造中心性情報を保存できる連続ノード表現を学習することを目的とした。ランキングの意味で中心性情報を組み込むために一般的なモデルを提案した。異なる中心性測度を,モデルに用いることができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
