文献

J-GLOBAL ID：202002272627127906   整理番号：20A2084975

グラフベース半教師つき分類のための訓練集合の拡張【JST・京大機械翻訳】

Expanding Training Set for Graph-Based Semi-supervised Classification

著者 (5件)： Tan Li (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China) ,  Tan Li (Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yao Wenbin (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yao Wenbin (Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Li Xiaoyong (School of Cyberspace Security, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12392  ページ： 245-258  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： グラフ畳込みネットワーク(GCNs)は,グラフ構造化データの半教師つき学習において著しい改善を遂げ,ネットワークデータマイニングにおけるノード分類タスクにうまく利用されてきた。今まで,GCNを改良できる多くの方法があるが,訓練セットを拡張することにより,ほんのわずかな研究しか改善されていない。いくつかの既存の方法は,ソフトマックススコアを比較することにより,各クラスに対して構造関係のみを考慮し,最も信頼できる予測を選択するランダムウォークを用いてラベル集合を拡張することを試みた。しかし,ノード間の低次元特徴空間における空間関係は無視される。本論文では,ノード間の低次元特徴空間における空間関係を考慮することにより訓練集合を拡張する方法を提案した。最初に,著者らはノードの擬似ラベル情報を予測するために既存の分類方法を使用し,そのような情報を用いて同じ擬似ラベルを持つノードのカテゴリ中心を計算した。次に,訓練集合を拡張するために,カテゴリ中心のk最近傍ノードを選択した。最後に,拡張訓練集合を用いてノードを再分類した。提案手法をさらに検証するために,訓練集合を拡張するために同じ数のノードをランダムに選択し,ノードを再分類するために拡張訓練セットを使用した。いくつかの公開データセットに関して実施した包括的な実験は,最先端の方法に対して提案した方法の有効性を実証した。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 ,  ネットワーク ,  酔歩 ,  有効性 ,  *データマイニング
準シソーラス用語： 分類法 ,  半教師つき学習 ,  特徴空間 ,  低次元 ,  構造化データ ,  *半教師付き分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフ構造化データ ,  半教師つき学習 ,  グラフ畳込みネットワーク ,  ノード分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： グラフ ,  半教師つき分類 ,  訓練 ,  集合 ,  拡張