Neighbor2Seq:近傍を系列に変換することによる大規模グラフ上の深層学習【JST・京大機械翻訳】

Liu Meng; Ji Shuiwang

プレプリント

J-GLOBAL ID：202202205443934095 整理番号：22P0285953

Neighbor2Seq:近傍を系列に変換することによる大規模グラフ上の深層学習【JST・京大機械翻訳】

Neighbor2Seq: Deep Learning on Massive Graphs by Transforming Neighbors to Sequences

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 (2件)： ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07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)

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】

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

グラフ理論基礎 , 計算理論

, , , ,

前のページに戻る