ヘテロフィリーに合致する時のグラフニューラルネットワークにおける大域的ホモフィリーの発見【JST・京大機械翻訳】

Li Xiang; Zhu Renyu; Cheng Yao; Shan Caihua; Luo Siqiang; Li Dongsheng; Qian Weining

プレプリント

J-GLOBAL ID：202202216295515730 整理番号：22P0350395

ヘテロフィリーに合致する時のグラフニューラルネットワークにおける大域的ホモフィリーの発見【JST・京大機械翻訳】

Finding Global Homophily in Graph Neural Networks When Meeting Heterophily

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 (7件)： , , , , , ,
資料名：
発行年： 2022年05月15日プレプリントサーバーでの情報更新日： 2022年05月15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)

異質性を有するグラフ上のグラフニューラルネットワークを研究した。いくつかの既存の方法は,ホモフィリンを有するより多くのノードを含むために,マルチホップ近傍を有するノード近傍を増幅した。しかし,異なるノードに対して個人化された近隣サイズを設定することは重要な課題である。さらに,近隣で除外された他の親族ノードに対して,それらは情報集約のために無視される。これらの問題に取り組むために,グラフにおける大域的ノードから情報を集めることによってノード埋込みを生成する2つのモデルGloGNNとGloGNN++を提案した。各層において,両モデルはノード間の相関を捕捉するための係数行列を学習し,それに基づいて近傍集合を実行した。係数行列は符号付き値を可能にし,閉形式解を持つ最適化問題から導いた。さらに,近傍集合を加速し,線形時間複雑性を導いた。係数行列と生成ノード埋込み行列の両方が望ましいグループ化効果を持つことを証明することにより,モデルの有効性を理論的に説明した。広範囲のドメイン,スケールおよびグラフヘテロフィリーにおける15のベンチマークデータセットに関する11の他の競合者に対する著者らのモデルを比較するために,広範な実験を行った。実験結果は,著者らの方法が優れた性能を達成して,非常に効率的であることを示した。【JST・京大機械翻訳】

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

グラフ理論基礎 , 通信網 , 無線通信一般 , ネットワーク法

前のページに戻る