文献

J-GLOBAL ID：202202217805514028   整理番号：22A0930895

半教師つきグラフ分類のためのKGNN利用カーネルベースネットワーク【JST・京大機械翻訳】

KGNN Harnessing Kernel-based Networks for Semi-supervised Graph Classification

著者 (6件)： Ju Wei (Peking University, Beijing, China) ,  Yang Junwei (Peking University, Beijing, China) ,  Qu Meng (Universite de Montreal, Montreal, Canada) ,  Song Weiping (Peking University, Beijing, China) ,  Shen Jianhao (Peking University, Beijing, China) ,  Zhang Ming (Peking University, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 421-429  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,ソーシャルネットワーク解析とバイオインフォマティクスにおける様々な応用を有する重要な問題である半教師つきグラフ分類を研究した。この問題はグラフニューラルネットワーク(GNN)を用いて典型的に解決され,訓練のための多数のラベル付きグラフに頼り,ラベルなしグラフを活用できない。カーネルベースのグラフニューラルネットワーク(KGNN)を提案することにより限界に取り組んだ。KGNNは,メモリネットワークによってパラメータ化されたカーネルベースのネットワークと同様に,GNNベースのネットワークから成る。GNNベースのネットワークは,質問グラフとラベル付きグラフの間の類似性を暗黙的に捉えるためにグラフ表現を学習することを通して分類を実行し,一方,カーネルベースのネットワークではグラフカーネルを用いて,予測のために記憶に保存されるすべてのラベル付きグラフと各クエリグラフを明示的に比較した。2つのネットワークが相補的な展望から動機づけられ,従って,それらを結合することにより,KGNNがラベル付きグラフをより有効に利用することを可能にする。2つのネットワークを,事後正則化によってラベルなしグラフでそれらの一致を最大化することによって,一緒に訓練し,ラベルなしグラフが,互いに強化するネットワークを,互いに強化するブリッジとして機能するようにした。よく知られたベンチマークデータセットの範囲に関する実験は,KGNNが競合ベースラインに対して印象的な性能を達成することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *グラフ ,  学習 ,  質問 ,  情報科学 ,  *ネットワーク ,  分類 ,  解析 ,  ニューラルネットワーク ,  生物学 ,  正則化 ,  類似性 ,  基準線 ,  ベンチマーク ,  パラメタリゼーション
準シソーラス用語： バイオインフォマティクス ,  社会的ネットワーク ,  半教師つき学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフ分類 ,  グラフカーネル ,  グラフニューラルネットワーク ,  半教師つき学習

分類 (2件)： グラフ理論基礎  (IA02020S) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (3件)： 教師 ,  グラフ ,  分類