文献

J-GLOBAL ID：202002225980663764   整理番号：20A1196295

Temporalgat:注意に基づく動的グラフ表現学習【JST・京大機械翻訳】

TemporalGAT: Attention-Based Dynamic Graph Representation Learning

著者 (2件)： Fathy Ahmed (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Li Kan (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12084  ページ： 413-423  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： 動的グラフに対する学習表現は,動的リンク予測,ノード分類,および可視化のような多数のグラフ解析タスクをサポートするので基本的である。実世界の動的グラフは,グラフ進化の間に新しいノードとエッジが導入されるか,または除去されるところで連続的に進化する。ほとんどの既存の動的グラフ表現学習法は,動的グラフのモデリングの複雑さのために固定ノードを有する動的グラフのモデリングに焦点を合わせ,したがって,現実世界の進化グラフの進化パターンを効率的に学習することができない。さらに,既存の方法は,一般的に,時間情報から別々に進化するグラフの構造情報をモデル化する。これは,モデルの予測性能の劣化を引き起こす重要な構造的および時間的情報の損失をもたらす。グラフ注意ネットワークと時間的畳込みに基づく革新的ニューラルネットワークアーキテクチャを採用することによって,著者らのフレームワークはグラフ構造と時間パターンを進化させるグラフ表現を共同的に学習した。著者らは,グラフ構造を保存する低次元特徴表現を学習するための深い注意モデルを提案した。複数の実世界の動的グラフデータセットに関する実験結果は,提案した方法が種々の最先端の方法に対して競争力があることを示した。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： 畳込み ,  *学習 ,  ネットワーク ,  図式解法 ,  可視化
準シソーラス用語： 複雑性 ,  グラフ構造 ,  低次元 ,  ニューラルネットワークアーキテクチャ ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (3件)： 動的グラフ表現学習 ,  グラフ注意ネットワーク ,  時間畳込みネットワーク

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  グラフ理論基礎  (IA02020S) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 注意 ,  グラフ表現 ,  学習