畳込みニューラルネットワークによる属性ネットワークに対する非対称埋込みの学習【JST・京大機械翻訳】

Radmanesh Mohammadreza; Ghorbanzadeh Hossein; Rezaei Ahmad Asgharian; Jalili Mahdi; Yu Xinghuo

プレプリント

J-GLOBAL ID：202202203961066240 整理番号：22P0288919

畳込みニューラルネットワークによる属性ネットワークに対する非対称埋込みの学習【JST・京大機械翻訳】

Learning Asymmetric Embedding for Attributed Networks via Convolutional Neural Network

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： 2022年02月13日プレプリントサーバーでの情報更新日： 2022年02月13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)

最近,ネットワーク埋込みは,リンク予測,ノード分類およびノードクラスタリングのようなネットワーク計算タスクを容易にする利点により,ますます注目を集めている。ネットワーク埋込みの目的は,構造,関係および意味情報を含む元のネットワークからできるだけ多くの情報を保持しつつ,低次元ベクトル空間におけるネットワークノードを表現することである。しかしながら,有向ネットワークの非対称特性は,埋込みプロセスにおけるエッジ方向をいかに最良に保存するかとして,多くの課題を提起する。ここでは,AAGCNと呼ばれる畳み込みグラフニューラルネットワークに基づく新しい深い非対称属性ネットワーク埋込みモデルを提案した。主なアイデアは,有向属性ネットワークの非対称近接性と非対称類似性を最大限に保存することである。AAGCNは2つの近傍特徴集約方式を導入し,ノードの特徴を,その内と外の特徴を別個に集約する。次に,各ノードに対して2つの埋込みベクトル,1つのソース埋込みベクトルおよび1つのターゲット埋込みベクトルを学習する。最終表現は,連結源とターゲット埋込みベクトルの結果であった。ネットワーク再構成,リンク予測,ノード分類および可視化タスクのための3つの実世界ネットワーク上のAAGCNの性能を試験した。実験結果は,最先端の埋込み法に対するAAGCNの優位性を示した。【JST・京大機械翻訳】

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

計算機網

, , , ,

前のページに戻る