文献

J-GLOBAL ID：202002279045347916   整理番号：20A2461630

マルチビューネットワーク埋込みのためのビュー-敵対フレームワーク【JST・京大機械翻訳】

A View-Adversarial Framework for Multi-View Network Embedding

著者 (5件)： Fu Dongqi (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Xu Zhe (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Li Bo (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Tong Hanghang (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  He Jingrui (University of Illinois at Urbana-Champaign, Champaign, IL, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’20  ページ： 2025-2028  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)

抄録/ポイント： ネットワーク埋込みは,ノード分類,リンク予測,クラスタリング,および異常検出のような様々なネットワークマイニングタスクに対して有効な経験的性能を示した。しかし,これらのアルゴリズムの大部分は単一視点ネットワークシナリオに焦点を合わせている。実世界展望から,1つの個々のノードは,異なるネットワークにおいて異なる連結性パターンを持つことができる。例えば,1つのユーザは,異なるプラットフォーム上のユーザ行動の変化により,Twitter,Facebook,およびLinkedInに異なる関係を持つ。この場合,複数のプラットフォーム(即ち,複数のビュー)からの構造情報を同時に考慮すれば,より包括的なノード表現を潜在的に導くことができ,単一ビューから雑音とバイアスを除去することができる。本論文では,2つの敵対ゲームに基づくVANEという包括的でロバストなマルチビューネットワーク表現を生成するためのビュー-敵対フレームワークを提案した。第1の敵対ゲームは,そのノードの近傍によって誘発される部分グラフから得られた見解情報を識別することによって,ノード表現の総合性を強化する。第2の敵対ゲームは,生成的敵対的ネットからの偽ノード表現の挑戦で,ノード表現のロバスト性を改善する。実世界のマルチビューネットワークを用いた下流タスクに関する広範な実験を行い,提案したVANEフレームワークが他のベースライン法よりも性能的に優れていることを示した。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： アルゴリズム ,  雑音 ,  ゲーム ,  *ネットワーク ,  クラスタ化 ,  部分グラフ ,  バイアス ,  基準線 ,  連結性 ,  ロバスト性
準シソーラス用語： ユーザ行動 ,  異常検出 ,  ツイッター ,  *マルチビュー ,  Facebook , 【Automatic Indexing@JST】

著者キーワード (3件)： 敵対的学習 ,  マルチビューネットワーク ,  ネットワーク埋込み

分類 (2件)： 計算機網  (JC03000K) ,  通信網  (ND07030A)

タイトルに関連する用語 (4件)： マルチビュー ,  埋込み ,  敵対 ,  フレームワーク