文献

J-GLOBAL ID：202002214943586287   整理番号：20A0332763

大規模属性グラフのGauss埋込み【JST・京大機械翻訳】

Gaussian Embedding of Large-Scale Attributed Graphs

著者 (4件)： Hettige Bhagya (Monash University, Melbourne, Australia) ,  Li Yuan-Fang (Monash University, Melbourne, Australia) ,  Wang Weiqing (Monash University, Melbourne, Australia) ,  Buntine Wray (Monash University, Melbourne, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12008  ページ： 134-146  発行年： 2020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： グラフ埋込み法は高次元と複雑なグラフコンテンツを低次元表現に変換する。それらは,リンク予測,ノード分類,推薦および可視化を含む広範囲のグラフ解析タスクに対して有用である。ほとんどの既存のアプローチは,低次元埋込み空間における点ベクトルとしてグラフノードを表現し,実世界グラフに存在する不確実性を無視している。さらに,多くの実世界グラフは大規模であり,コンテンツ(例えばノード属性)に富んでいる。本研究では,グラフ構造とノード属性の両方を効果的かつ効率的にエンドツーエンドで保存する,新しいスケーラブルなグラフ埋込み法であるGLACEを提案した。glaceは,Gauss埋込みを通して不確実性を効果的にモデル化し,それらの属性に基づく新しいノードの帰納的推論をサポートする。包括的実験において,実世界グラフ上のGLACEを評価し,その結果は,GLACEが多重グラフ解析タスクにおける最先端の埋め込み法よりも著しく優れていることを実証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 可視化 ,  帰納推論 ,  高次元 ,  モデリング ,  不確実性 ,  多重化 ,  図式解法 ,  *コンテンツ ,  エンドツーエンド方式 ,  ベクトル
準シソーラス用語： グラフ構造 ,  低次元 ,  グラフ埋込み , 【Automatic Indexing@JST】

著者キーワード (3件)： グラフ埋込み ,  リンク予測 ,  ノード分類

分類 (5件)： 計算理論  (JB02000A) ,  システム・制御理論一般  (IA02010H) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： 大規模 ,  属性 ,  グラフ ,  埋込み