文献

J-GLOBAL ID：202102267305124406   整理番号：21A3307551

変分グラフ埋込みによるグラフクラスタリング【JST・京大機械翻訳】

Graph Clustering via Variational Graph Embedding

著者 (2件)： Guo Lin (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Dai Qun (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 埋込みに基づくグラフクラスタリングはノードをいくつかの互いに素なグループにより高い類似性で分割することを目的とするが,グラフ構造とノード属性を低次元特徴空間に最大限に埋め込むことは自明なタスクではない。さらに,グラフノードクラスタリングの最新先進方法の大部分は,グラフ埋込み技術とクラスタリングアルゴリズムを分離する戦略を採用し,それらの間の潜在的関係を無視する。したがって,著者らは,非ユークリッド空間における複雑な問題を扱うための共同戦略による革新的エンドツーエンドグラフクラスタリングフレームワークを提案した。グラフ埋込みを学習することに関して,著者らは,埋込み出力に及ぼすグラフ構造とノード属性の結合生成モデルのブースティング影響を考慮するグラフ畳込みネットワーク(GCN)に基づく新しい変分グラフ自動エンコーダアルゴリズムを提案した。埋込み表現に基づいて,ノードカテゴリの予測をさらに強化するために,補助分布の構築を通して自己訓練機構を実装し,それによって教師なしクラスタリングモードを実現した。さらに,各クラスタの損失寄与を正規化し,埋込み空間の歪みから大きなクラスタを防ぐ。実世界グラフデータセットに関する大規模な実験は,著者らの設計を検証し,著者らのアルゴリズムが最先端の方法に関してグラフクラスタ化において高度に競合することを証明した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  畳込み ,  *変分法 ,  ネットワーク ,  *クラスタ化 ,  符号器 ,  *クラスタ ,  Euclid空間 ,  正規化
準シソーラス用語： ブースティング ,  生成モデル ,  特徴空間 ,  クラスタリングアルゴリズム ,  グラフ構造 ,  教師なしクラスタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフ畳込みニューラルネットワーク ,  変分グラフ埋込み ,  グラフクラスタリング ,  変分グラフ自動エンコーダ

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 変分 ,  グラフ埋込み ,  グラフクラスタリング