属性情報のみを持つノードのための誘導リンク予測【JST・京大機械翻訳】

Hao Yu; Cao Xin; Fang Yixiang; Xie Xike; Wang Sibo

プレプリント

J-GLOBAL ID：202202203895319751 整理番号：22P0171536

属性情報のみを持つノードのための誘導リンク予測【JST・京大機械翻訳】

Inductive Link Prediction for Nodes Having Only Attribute Information

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07月15日プレプリントサーバーでの情報更新日： 2020年07月15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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

2つのノード間のリンクを予測することは,グラフデータ解析のための基本的問題である。属性グラフでは,構造と属性情報の両方がリンク予測に利用できる。ほとんどの既存の研究は,両方のノードが既にグラフにあるトランスダクティブリンク予測に焦点を合わせている。しかし,多くの実世界アプリケーションは,属性情報のみを持つ新しいノードに対する帰納的予測を必要とする。新しいノードは構造情報を持たず,モデル訓練中に見ることができないので,より挑戦的である。この問題を解決するために,2つのノード埋込み符号器と1つのアラインメント機構からなる3つの成分から成るDEALと呼ばれるモデルを提案した。2つの符号器は,属性指向ノード埋込みと構造指向ノード埋込みを出力し,アラインメント機構は,属性とリンクの間の接続を構築するために,2つのタイプの埋込みを整列させる。著者らのモデルDEALは,帰納的およびトランスダクティブリンク予測の両方に対して機能するという意味で多用途である。いくつかのベンチマークデータセットに関する広範な実験は,提案モデルが既存の帰納的リンク予測方法より著しく優れていて,また,トランスダクティブリンク予測に関する最先端の方法より優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,

人工知能 , グラフ理論基礎 , ネットワーク法 , システム・制御理論一般

, , , ,

前のページに戻る