文献

J-GLOBAL ID：202002242023889590   整理番号：20A1509456

異種情報ネットワークにおける敵対学習【JST・京大機械翻訳】

Adversarial Learning on Heterogeneous Information Networks

著者 (3件)： Hu Binbin (Beijing University of Posts and Telecommunications & Ant Financial Services Group, Beijing && Hangzhou, China) ,  Fang Yuan (Singapore Management University, Singapore, Singapore) ,  Shi Chuan (Beijing University of Posts and Telecommunications, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’19  ページ： 120-129  発行年： 2019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： 低次元空間におけるネットワークデータを表現することを目的とするネットワーク埋込みは,不均一情報ネットワーク(HIN)を解析するために一般的に採用されている。HIN埋込み方法の出口は,ある程度の性能改良を達成したが,それらは,まだいくつかの主要な弱点に直面している。最も重要なことに,それらは通常,ネットワークからノードをランダムに選択するために負のサンプリングを採用し,それらはよりロバストな埋込みのために基礎となる分布を学習しない。生成敵対ネットワーク(GAN)に触発されて,ミニマックスゲームにおける識別器と発電機の両方を訓練するHIN埋込みのための新しいフレームワークHeGANを開発した。既存のHIN埋込み方式と比較して,著者らの発電機は,より良い陰性サンプルを作り出すためにノード分布を学ぶであろう。均一ネットワーク上のGANと比較して,著者らの識別器と発電機は,HINに関する豊富な意味論を捕えるために,関係意識であるように設計した。さらに,より効果的かつ効率的なサンプリングに向けて,著者らは,既存の方法として元のネットワークにおけるノードに制限されない連続分布から直接”latent”ノードをサンプリングする一般化発電機を提案した。最後に,4つの実世界データセットに関する広範な実験を行った。結果は,すべてのデータセットとタスクを通して,最先端のベースラインを一貫して,そして,著しく凌ぐことを示した。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： 弁別器 ,  意味論 ,  *学習 ,  ゲーム ,  *ネットワーク ,  *情報ネットワーク ,  基準線 ,  ロバスト性
準シソーラス用語： 低次元 , 【Automatic Indexing@JST】

著者キーワード (3件)： 生成敵対ネットワーク ,  異種情報ネットワーク ,  ネットワーク埋込み

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 情報ネットワーク ,  敵対 ,  学習