文献

J-GLOBAL ID：202102210645394256   整理番号：21A1204802

グラフにおける属性情報と結合したグラフオートエンコーダ【JST・京大機械翻訳】

Graph Autoencoder Combined with Attribute Information in Graph

著者 (4件)： Zhou Xianchen (College of Science, National University of Defense Technology,Changsha,P.R. China) ,  Wang Hongxia (College of Science, National University of Defense Technology,Changsha,P.R. China) ,  Li Zhemin (College of Science, National University of Defense Technology,Changsha,P.R. China) ,  Zhang Shuchang (College of Science, National University of Defense Technology,Changsha,P.R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BigDIA  ページ： 28-34  発行年： 2020年 
JST資料番号： W2441A  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の低次元表現を学習する重要な方法である。それは,下流タスクのためのネットワークの次元を減らすために使用することができる。多くの既存の埋込みは,トポロジー構造の再構成のみに基づく表現を学習するが,属性を持つノードは,多くの実際のネットワークにおいて重要な情報を提供できる。したがって,学習属性グラフ埋込みはトポロジー構造の再構成だけでなくノード特徴にも基づくべきである。本論文では,構造と属性に基づく合理的で解釈可能なグラフ自動符号器を提案する。本モデルは,教師つきおよび教師なしタスクの両方で拡張できる。リンク予測,クラスタリングおよびグラフ可視化を含む実験は,提案したGAEモデルの有効性を検証した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *学習 ,  ネットワーク ,  可視化 ,  符号器 ,  再構成 ,  有効性
準シソーラス用語： 低次元 ,  グラフ埋込み ,  *自己符号化器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： グラフ ,  属性情報 ,  オートエンコーダ