グラフノード分類のためのラベル効率的な正則化と伝搬【JST・京大機械翻訳】

Xie Tian; Kannan Rajgopal; Kuo C. -C. Jay

プレプリント

J-GLOBAL ID：202202212596872087 整理番号：22P0333934

グラフノード分類のためのラベル効率的な正則化と伝搬【JST・京大機械翻訳】

Label Efficient Regularization and Propagation for Graph Node Classification

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： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年10月30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)

グラフホップと呼ばれる強化ラベル伝搬(LP)法を最近提案した。それは,様々なネットワーク上の半教師つきノード分類タスクにおけるグラフ畳込みネットワーク(GCN)より優れている。グラフHopの性能は関節ノード属性とラベル信号平滑化によって直観的に説明されたが,その厳密な数学的処理は不足している。本論文では,グラフノード分類のためのラベル効率的正則化と伝搬(LERP)フレームワークを提案し,その解のための代替最適化手順を提示した。さらに,グラフHopは,このフレームワークに対して近似解を提供し,2つの欠点を持つことを示した。第1に,ラベル更新ステップにおいて,擬似ラベルノードの信頼性を考慮せずに,分類器訓練におけるすべてのノードを含む。第2に,それはラベル凝集ステップにおける部分問題の最適に粗い近似を提供する。LERPフレームワークに基づいて,著者らは,これらの2つの短所を解決するために,LERP法と呼ぶ新しい方法を提案した。LERPは,代替最適化中に適応的に信頼できる擬似ラベルを決定し,計算効率で最適により良い近似を提供する。LERPの理論的収束を保証した。LERPの有効性と効率を実証するために広範な実験を行った。すなわち,LERPは,グラフHopを含むすべてのベンチマーク法,特に5つのテストデータセットと非常に低いラベルレート(即ち,1,2,4,8,16と20のラベル付きサンプル)での物体認識タスクを含む。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , , , ,

前のページに戻る