抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現代のグラフニューラルネットワーク(GNN)はメッセージ通過方式を使用し,多くの分野で大きな成功を達成した。しかし,この再帰的設計は本質的に過度の計算とメモリ要求につながり,大規模な実世界グラフに適用できない。本研究では,各ノードの階層的近傍をシーケンスに変換するための近傍2Seqを提案した。この新規変換により,グリッドのようなデータのために設計され,様々なドメインで強力なことを示す,畳込みや注意のような一般的な深層学習操作のための次のミニバッチ訓練が可能になった。したがって,著者らの近隣2Seqは,隣接2Seq変換を事前計算することによって,グリッドのようなデータに関する深い学習操作の効率と利点を有するGNNを自然に付与する。111百万以上のノードと1.6億のエッジ,ならびにいくつかの中規模グラフを用いて,大規模グラフ上で本手法を評価した。結果は,著者らの提案方法が大規模グラフにスケーラブルであり,大規模および中規模グラフにわたって優れた性能を達成することを示した。このコードはhttps://github.com/divelab/Neighbor2Seqで利用可能である。【JST・京大機械翻訳】