構造特徴に基づくグラフ自己適応プーリング【JST・京大機械翻訳】

Zhang Liang; Wang Xudong; Li Hongsheng; Zhu Guangming; Shen Peiyi; Li Ping; Lu Xiaoyuan; Shah Syed Afaq Ali; Bennamoun Mohammed

文献

J-GLOBAL ID：202002268642042868 整理番号：20A1716161

構造特徴に基づくグラフ自己適応プーリング【JST・京大機械翻訳】

Structure-Feature based Graph Self-adaptive Pooling

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1716161&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (9件)： , , , , , , , ,
資料名：
号： WWW ’20 ページ： 3098-3104 発行年： 2020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)

近年,グラフデータを扱う様々な方法が提案されてきた。しかし,これらの方法の大部分はグラフプールよりもグラフ特徴集約に焦点を合わせる。そのうえ,既存のトップ-k選択グラフプール法はいくつかの問題を持っている。第1に,プールされたグラフトポロジーを構築するために,現在のトップ-k選択方法は,単一透視のみからノードの重要性を評価し,それは単純かつ非目的である。第2に,非選択ノードの特徴情報は,プールプロセスの間に直接失われ,それは必然的にグラフ特徴情報の大きな損失につながる。これらの問題を解決するために,次の目的を持つ新しいグラフ自己適応プール法を提案した。(1)合理的プールグラフトポロジーを構築するために,グラフの構造と特徴情報を同時に考慮して,それはノード選択における付加的真実性と客観性を提供した。(2)プールされたノードが十分に有効なグラフ情報を含むようにするために,ノード特徴情報は,重要でないノードを捨てる前に凝集する。したがって,選択したノードは隣接ノードからの情報を含み,それは非選択ノードの特徴の利用を強化することができる。4つの異なるデータセットに関する実験結果は,著者らの方法がグラフ分類において有効であり,最先端のグラフプール法より優れていることを実証した。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】

, , ,
, , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

グラフ理論基礎 , パターン認識

, ,

前のページに戻る