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。
グラフニューラルネットワークにおける注意機構を設計して,より良い表現のために重要な隣接ノードにより大きな重みを割り当てる。しかし,グラフが学習するのは,特にグラフがノイズが多い場合,よく理解されていない。本論文では,雑音の多いグラフのための改良グラフ注意モデルである自己教師付きグラフ注意ネットワーク(SuperGAT)を提案した。特に,著者らは,エッジを予測するために自己監督タスクと互換性のある2つの注意形式を利用し,その存在と不在はノード間の関係の重要性に関する固有の情報を含む。エッジを符号化することにより,SuperGATは誤リンク近傍を識別する際により表現的注意を学習する。著者らは,2つのグラフ特性が,注意形式と自己スーパービジョンの有効性,すなわちホモフィリンと平均度に影響することを見出した。このように,著者らのレシピは,これらの2つのグラフ特性が知られているとき,注意設計を使用する指針を提供する。17の実世界データセットに関する著者らの実験は,著者らのレシピがそれらの15のデータセットを通して一般化して,レシピによって設計した著者らのモデルが,ベースラインに関して改良性能を有することを示した。【JST・京大機械翻訳】