文献

J-GLOBAL ID：202002218511008223   整理番号：20A1797425

注意ベースマルチビュー変分オートエンコーダによるマルチモーダルネットワーク埋込み【JST・京大機械翻訳】

Multimodal Network Embedding via Attention based Multi-view Variational Autoencoder

著者 (6件)： Huang Feiran (Beihang University, Beijing, China) ,  Zhang Xiaoming (Beihang University, Beijing, China) ,  Li Chaozhuo (Beihang University, Beijing, China) ,  Li Zhoujun (Beihang University, Beijing, China) ,  He Yueying (National Computer Network Emergency Response Technical Team/Coordination Center of China, Beijing, China) ,  Zhao Zhonghua (National Computer Network Emergency Response Technical Team/Coordination Center of China, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMR ’18  ページ： 108-116  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソーシャルメディアデータに対する埋込みの学習は,分類やリンク予測のような多くのアプリケーションをブームするとともに,広範な研究興味を引きつけてきた。本論文では,マルチモーダルコンテンツを含むノードを有するマルチモーダルネットワークのシナリオを検討し,マルチモーダルコンテンツ(例えば,視覚コンテンツとテキスト記述)を含むソーシャル画像のような異種関係によって接続し,様々な形式(例えば,同じアルバムまたは同じタグ)とリンクした。しかしながら,マルチモーダルネットワークを与えられた場合,ネットワーク構造から埋込みを単純に学習するか,またはコンテンツの部分集合は,準最適表現をもたらす。本論文では,より効果的かつ効率的な埋込みのためにリンク情報とマルチモーダルコンテンツの両方を組み込むために,新しい深層埋込み法,すなわち,注意ベースマルチビュー変分自動エンコーダ(AMVAE)を提案した。特に,マルチモーダルコンテンツの意味的埋込みを得るために,視覚領域と特定の単語の間の相関のような異なるデータモダリティ間の相関を学習するために,LSTMを注意モデルに採用する。次に,リンク情報と意味埋込みを2つの相関ビューとして考慮した。マルチビュー相関学習ベースの変分Auto-Encoder(VAE)を提案して,リンク情報とマルチモーダルコンテンツの埋込みを統合して相互に強化する各ノードの表現を学習した。3つの実世界データセットに関する実験は,2つのアプリケーション,すなわち,マルチラベル分類とリンク予測における提案モデルの優位性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *変分法 ,  *ネットワーク ,  ネットワーク構造 ,  *符号器 ,  応用プログラム ,  *多モード ,  深層 ,  単語 ,  コンテンツ
準シソーラス用語： アルバム ,  ソーシャルメディア ,  *マルチビュー ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (5件)： 注意 ,  マルチビュー ,  マルチモーダル ,  ネットワーク埋込み ,  v

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 注意 ,  マルチビュー ,  変分オートエンコーダ ,  マルチモーダル ,  埋込み