文献

J-GLOBAL ID：201802265212539885   整理番号：18A1686323

グラフ編集距離パラメータを学習するためのノード-ノードマッピングの埋め込み【JST・京大機械翻訳】

Embedding the node-to-node mappings to learn the Graph edit distance parameters

著者 (2件)： Algabli Shaima (Universitat Rovira i Virgili, Av. Paiesos Catalans 26, Tarragona, Catalonia 43007, Spain) ,  Serratosa Francesc (Universitat Rovira i Virgili, Av. Paiesos Catalans 26, Tarragona, Catalonia 43007, Spain)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 112  ページ： 353-360  発行年： 2018年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,Graph編集距離の挿入,削除および置換コストを自動的に推論するための学習方法を提示した。この方法は,この新しい空間において,ノードをマップ化されたものと非マップ化されたものに分割する超平面を通して,Euclid空間に対するグランドトルースノードマッピングを埋め込み,編集コストを学習することに基づいている。この方法において,アルゴリズムは,その固有の指数的計算複雑性のために,他の方法の主要な欠点である任意のグラフマッチングプロセスを計算する必要がない。それにもかかわらず,著者らの学習方法には2つの主な制約がある。1)挿入と削除編集コストは一定である。2)代替編集コストは,2つのベクトルの内積として表現されなければならない。1つのベクトルは一定の重みを表し,他のベクトルは属性間の距離を表す。実験的検証により,この方法の整合精度が現在の方法より優れていることを示した。さらに,学習過程における実行時間の著しい減少がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 内積 ,  アルゴリズム ,  Euclid空間 ,  ベクトル ,  *編集 ,  計算量
準シソーラス用語： 実行時間 ,  学習過程 ,  グラフマッチング ,  グランドトゥルース ,  超平面 ,  学習方法 ,  *編集距離 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： グラフ ,  編集距離 ,  パラメータ ,  学習 ,  ノード ,  マッピング ,  埋め込み