文献

J-GLOBAL ID：202102234523137515   整理番号：21A0479835

ランダムウォークとグラフ埋込みによるWikipedia記事のための時間的リンク予測

Temporal Link Prediction for Wikipedia Articles Based on Random Walk and Graph Embedding

著者 (2件)： MA Jiaji (Waseda Univ., Kitakyushu, JPN) ,  IWAIHARA Mizuho (Waseda Univ., Kitakyushu, JPN)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 120  号： 305(DE2020 17-26)  ページ： 7-12 (WEB ONLY)  発行年： 2020年12月14日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

シソーラス用語： 酔歩 ,  理論 ,  *電子辞書 ,  *リンク ,  時系列 ,  予測 ,  予測技法 ,  データベース ,  情報
準シソーラス用語： *Wikipedia ,  グラフ埋込み ,  *ハイパーリンク ,  意味情報 ,  時間データベース ,  時系列予測

分類 (2件)： 検索技術  (AC06020S) ,  情報サービス  (AC08000K)

引用文献 (11件)：

• Bojanowski, P., Grave, E., Joulin, A., & Mikolov, T.(2017). Enriching word vectors with subword information. Transactions of the Association for Computational Linguistics, 5, 135-146.
• Crichton, G., Guo, Y., Pyysalo, S., & Korhonen, A.(2018). Neural networks for link prediction in realistic biomedical graphs: a multi-dimensional evaluation of graph embedding-based approaches. BMC bioinformatics, 19(1), 176.
• Goyal, P., Kamra, N., He, X., & Liu, Y. (2018). Dyngem: Deep embedding method for dynamic graphs. arXiv preprint arXiv:1805.11273.
• Grover, A., & Leskovec, J. (2016, August). node2vec: Scalable feature learning for networks. In Proceedings of the 22nd ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 855-864).
• Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., ... & Stoyanov, V. (2019). Roberta: A robustly optimized bert pretraining approach. arXiv preprint arXiv:1907.11692.

タイトルに関連する用語 (6件)： ランダムウォーク ,  グラフ埋込み ,  Wikipedia ,  記事 ,  リンク ,  予測