文献

J-GLOBAL ID：202002217619144436   整理番号：20A0272156

関係制約付き属性ネットワーク埋め込み【JST・京大機械翻訳】

Relation constrained attributed network embedding

著者 (2件)： Chen Yiqi (School of Computer Science, Wuhan University, Hubei, China) ,  Qian Tieyun (School of Computer Science, Wuhan University, Hubei, China)
資料名： Information Sciences  (Information Sciences)
巻： 515  ページ： 341-351  発行年： 2020年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ネットワーク埋め込みは,ネットワーク内の各ノードに対する低次元高密度ベクトルの学習を目的としている。近年,広い応用により大きな研究が注目されている。ほとんどの既存の研究はグラフ構造のみをモデル化し,属性情報を無視する。いくつかの属性ネットワーク埋め込み法はノード属性を考慮に入れるが,それらは主にノード間の基本的関係とユーザや彼の興味(属性)のようなそれらの属性に焦点を合わせている。2つのノードと2つのノードの属性の間の複合関係,および関連ノードとそれらの属性は,豊富な情報を含み,多くのネットワーク解析タスクの性能を強化することができる。例えば,「自然言語処理」と「知識グラフ」として共通の関心を持つ2つの学者が将来に協力し,ネットワークに新しいエッジがあると考えられる。しかし,このような重要な情報はまだ活用されていない。この限界に対処するために,著者らは,豊富な関係情報を利用して,属性ネットワーク埋込みを強化するための新しいフレームワークを提案した。主なアイデアは,ネットワーク表現を改善するための制約として,属性ネットワークにおける複数の形式の関係を用いることである。この目的のために,著者らは最初に,一般的に使用される基本的関係に加えて,2つのノードとそれらの属性の間の複合関係を構築した。次に,これらの関係を制約することによりノード表現を学習するために,関係制約付きネットワーク(RCAN)フレームワークを開発した。3つの実世界データセットに関する広範な実験を行い,提案したRCANの有効性を,様々なソーシャルネットワークをモデル化するための属性ネットワーク埋め込み法として示した。結果は,著者らの方法がリンク予測とノードクラスタリングタスクの両方において,最先端のベースラインより著しく良い性能を達成することを実証した。Copyright 2020 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： 基準線 ,  モデリング ,  ベクトル ,  自然言語処理 ,  *ネットワーク ,  クラスタ化 ,  有効性
準シソーラス用語： ソーシャルネットワーク分析 ,  社会的ネットワーク ,  ネットワーク解析 ,  グラフ構造 ,  高密度 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (4件)： 属性ネットワーク埋め込み ,  基本的関係 ,  複合関係 ,  ソーシャルネットワーク分析

分類 (2件)： 計算機網  (JC03000K) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (3件)： 制約 ,  属性 ,  埋め込み