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(GNN)は,構造化データのトポロジー情報を明示的にモデル化してそれらの強度を引き出す。しかしながら,既存のGNNは,グラフ分類において重要な役割を果たす階層的グラフ表現の捕捉において,限られた能力に悩まされる。本論文では,ノード埋込みを共同学習し,グラフ階層を抽出することができる階層的グラフカプセルネットワーク(HGCN)を革新的に提案した。特に,各ノードの基礎となる不均一因子を同定することにより,それらのインスタント化パラメータが同一エンティティの異なる特性を表すように,ディレント角グラフカプセルを確立した。階層的表現を学習するために,HGCNは,部分間の構造情報を明示的に考慮することにより,低レベルカプセル(部分)と高レベルカプセル(穴)の間の部分-穴関係を特徴付ける。実験的研究はHGCNの有効性と各成分の寄与を実証した。【JST・京大機械翻訳】