異種情報ネットワークにおける分類のためのMeta経路コンテキストの利用【JST・京大機械翻訳】

Li Xiang; Ding Danhao; Kao Ben; Sun Yizhou; Mamoulis Nikos

プレプリント

J-GLOBAL ID：202202200045486609 整理番号：21P0069282

異種情報ネットワークにおける分類のためのMeta経路コンテキストの利用【JST・京大機械翻訳】

Leveraging Meta-path Contexts for Classification in Heterogeneous Information Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年12月17日プレプリントサーバーでの情報更新日： 2021年02月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

異種情報ネットワーク(HIN)は,異なる型の頂点オブジェクトとして,また,様々なタイプであるオブジェクト間の関係をエッジとして持つ。HINにおけるオブジェクトの分類問題を研究した。ほとんどの既存の方法は,訓練セットとして不十分なラベル付きオブジェクトを与えられたとき,あまり実行せず,そのようなシナリオの下で分類精度を改善する方法は,しばしば計算上高価である。これらの問題に取り組むために,グラフニューラルネットワークモデルであるConCHを提案した。ConCHは,ラベル付きおよびラベルなしデータの両方から学習する自己教師付き学習と半教師つき学習を組み合わせたマルチタスク学習問題として分類問題を定式化する。ConCHは,オブジェクト間の意味関係を捉えるオブジェクトタイプのシーケンスであるメタパスを用いる。ConCHは,グラフ畳込みを通して埋込みとコンテキスト埋込みを埋め込む。また,そのような埋込みを融合するために注意機構を使用した。他の15分類法に対するConCHの性能を評価するために広範な実験を行った。著者らの結果は,ConCHがHIN分類のための効果的で効率的な方法であることを示した。【JST・京大機械翻訳】

, , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る