グラフノード埋込みのためのメッセージパッシングを満たす次元縮小【JST・京大機械翻訳】

Sadowski Krzysztof; Szarmach Michal; Mattia Eddie

プレプリント

J-GLOBAL ID：202202213897584873 整理番号：22P0283020

グラフノード埋込みのためのメッセージパッシングを満たす次元縮小【JST・京大機械翻訳】

Dimensionality Reduction Meets Message Passing for Graph Node Embeddings

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02月01日プレプリントサーバーでの情報更新日： 2022年02月02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)

グラフニューラルネットワーク(GNN)は,ソーシャルネットワーク解析から分子の化学特性をモデル化するための様々な応用に対する一般的なアプローチとなっている。GNNはしばしば公開データセット上で顕著な性能を示すが,それらは過剰平滑化と過剰スケジューリング傾向のため,データにおける長距離依存性を学ぶことができる。この課題を軽減するために,主成分分析(PCA)とメッセージ通過を,教師なし方法でノード埋込みを生成し,分類タスクのために勾配ブーストディシジョンツリーを活用するために,PCAPasを提案する。このアプローチが,ノード分類ベンチマーク上の一般的なGNNと比較して競合性能を提供するが,長距離近傍から情報を収集することを経験的に示した。本研究は,メッセージ通過とスキップ接続による次元縮小の適用がグラフ構造化データにおける長距離依存性を集約するための有望なメカニズムであることを示した。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , , ,

前のページに戻る