問合せ言語としてのグラフニューラルネットワークの表現力【JST・京大機械翻訳】

Barcelo Pablo; Kostylev Egor V.; Monet Mikaeel; Perez Jorge; Reutter Juan L.; Silva Juan-Pablo

文献

J-GLOBAL ID：202102242061882728 整理番号：21A0242183

問合せ言語としてのグラフニューラルネットワークの表現力【JST・京大機械翻訳】

The Expressive Power of Graph Neural Networks as a Query Language

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=21A0242183&from=J-GLOBAL&jstjournalNo=E0679A") }}

著者 (6件)： , , , , ,
資料名：
巻： 49 号： 2 ページ： 6-17 発行年： 2020年
JST資料番号： E0679A ISSN： 0163-5808 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,グラフ上のノードを分類する能力に関して,グラフ上のノードを分類する能力の観点から,非ary論理式またはクエリに基づく分類器について,著者らの最近の結果を調査した。FOのよく研究されたフラグメントである言語FOC2に焦点を当てた。この選択は,FOC2がグラフ上のノードを識別するためのGNNと同じ能力を持つ,グラフ等写像をチェックするためのWeisfeiler-Lehman(WL)試験に関連するという事実によって動機づけられる。ノード分類に関してFOC2とGNNの間の正確な関係を明らかにした。この問題に取り組むために,筆者らはAC-GNNを呼んでいるGNNのポピュラーな基本クラスを研究することによって始め,その中で,グラフにおける各ノードの特徴を,その近傍の特徴だけに従って,逐次層で更新した。AC-GNNによって捕捉できる非aryFOC2公式は,その保護されたフラグメントで表現できるものであり,次に,段階的モード論理に対応することを証明した。この結果は,特にACGNNが,すべてのFOC2公式を捕えるのにあまりにも弱いことを意味する。次に,全てのFOC2を捕獲するためにAC-GNNに追加する必要がある。筆者らは,その近傍だけでなく,大域的属性ベクトルの観点からノード特徴を更新できる読み出し層を追加することを,著者らは示す。GNNを読み出しACR-GNNと呼んだ。また,著者らは,FOC2に準拠する合成データに関して,また,傾斜したモーダル論理ではなく,AC-GNNが訓練中に見られないサイズのグラフにさえ一般化できるのに対して,AC-GNNsは適合することを示した。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】

, , , ,
, , 【Automatic Indexing@JST】

グラフ理論基礎

, ,

前のページに戻る