リカレントニューラルネットワークによるエッジベース逐次グラフ生成【JST・京大機械翻訳】

Bacciu Davide; Micheli Alessio; Podda Marco

プレプリント

J-GLOBAL ID：202202208014094258 整理番号：22P0106872

リカレントニューラルネットワークによるエッジベース逐次グラフ生成【JST・京大機械翻訳】

Edge-based sequential graph generation with recurrent neural 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 (3件)： , ,
資料名：
発行年： 2020年01月31日プレプリントサーバーでの情報更新日： 2020年01月31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。

機械学習によるグラフ生成は,様々な研究分野における応用を伴う未解決問題である。本研究では,ノード順序付け手順に依存する逐次法にグラフの生成プロセスをキャストすることを提案する。グラフのエッジを予測するために学習する2つのリカレントニューラルネットワークから成る新しい生成モデルを設計するために,この逐次プロセスを用いて,第1のネットワークは各エッジの1つのエンドポイントを生成するが,第2のネットワークは第1の状態に条件付けされた他のエンドポイントを生成する。グラフ文献から来る2つのよく知られたベースライン,および2つの再帰アプローチ,その1つは最先端の性能の状態を保持する,を5つの異なるデータセットで広範囲にテストする。生成試料の定量的および定性的特性を考慮して評価を行った。結果は,著者らのアプローチが,非常に異なる分布から発する新規でユニークなグラフを生み出すことができ,一方,訓練サンプルと非常に類似した構造特性を保持することを示した。提案した評価フレームワークの下で,提案アプローチはグラフ生成タスクに関する最新技術に匹敵する性能に達することができる。【JST・京大機械翻訳】

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

グラフ理論基礎

, , ,

前のページに戻る