文献

J-GLOBAL ID：201902284580477671   整理番号：19A1193270

自動経路発見による異種ネットワーク上の類似性モデリング【JST・京大機械翻訳】

Similarity Modeling on Heterogeneous Networks via Automatic Path Discovery

著者 (6件)： Yang Carl (University of Illinois at Urbana-Champaign, Urbana, IL, USA) ,  Liu Mengxiong (University of Illinois at Urbana-Champaign, Urbana, IL, USA) ,  He Frank (University of Illinois at Urbana-Champaign, Urbana, IL, USA) ,  Zhang Xikun (University of Illinois at Urbana-Champaign, Urbana, IL, USA) ,  Peng Jian (University of Illinois at Urbana-Champaign, Urbana, IL, USA) ,  Han Jiawei (University of Illinois at Urbana-Champaign, Urbana, IL, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11052  ページ： 37-54  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 異種ネットワークは実世界の半構造化データをモデル化するために広く使われている。このようなネットワーク上での学習の重要な課題は,ネットワーク構造とコンテンツの両方の下でのノード類似性のモデリングである。ネットワーク構造を扱うために,ほとんどの既存の研究は,メタ経路の与えられたまたは列挙可能な集合を仮定し,メタ経路ベースの近似性またはネットワーク埋込みの計算のためにそれらを活用する。しかし,与えられたメタ経路に対するエキスパート知識は常に利用可能ではなく,考慮されたメタ経路の長さが増加すると,可能な経路の数は指数関数的に成長し,経路探索プロセスは非常に費用がかかる。一方,ネットワークノード周辺にはしばしば豊富なコンテンツが存在するが,類似性モデリングをさらに改善するためにはほとんど活用されていない。本研究では,コンテンツに富む異種ネットワークにおけるノード類似性を適切にモデル化するために,著者らは,構造的およびコンテンツ情報の両方の下でノード対のための有用な経路を自動的に発見することを提案した。この目的のために,連続強化学習と深いコンテンツ埋め込みを新しい半教師つき共同学習フレームワークに組み込んだ。具体的には,教師つき強化学習コンポーネントは,ノードの類似ペアの小さな集合間の有用な経路を探索するが,教師なしの深い埋め込みコンポーネントはノードコンテンツを捕捉し,全体のネットワーク上で帰納的学習を可能にする。2つの成分は,互いに相互に強化するために,閉ループにおいて共同的に訓練される。3つの実世界異種ネットワークに関する広範な実験により,このアルゴリズムの優位性を実証した。本論文に関連するコードは,https://github.com/yangji9181/AutoPathで利用可能である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 帰納学習 ,  強化学習 ,  経路探索 ,  *ネットワーク ,  *モデリング ,  アルゴリズム ,  ネットワーク構造 ,  *類似性 ,  コンテンツ ,  指数関数
準シソーラス用語： 協調学習 ,  ネットワークノード ,  構造化データ ,  *異種混合ネットワーク ,  経路発見 , 【Automatic Indexing@JST】

著者キーワード (3件)： 類似性モデリング ,  異種ネットワーク ,  深い埋め込み

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 経路発見 ,  異種ネットワーク ,  類似性 ,  モデリング