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,ノードと全体グラフの分散表現のためのグラフをモデル化するのに有効である。最近,GNNの表現力に関する研究が注目されている。高抑圧GNNは識別グラフ表現を生成する能力を持つ。しかし,あるグラフ学習タスクのためのエンドツーエンド訓練プロセスでは,モデル一般化のために重要な情報を失う一方で,ターゲットタスクのための訓練データを適合させるグラフ表現を生成する高抑圧GNNリスクが,グラフ表現を生成する。本論文では,グラフ表現とノード表現におけるいくつかの種類の分布情報を保存することにより,表現GNNモデルの一般化可能性を改善できるGNNフレームワークであるGNNフレームワークを提案する。一般化可能性の他に,表現GNNバックボーンを適用することにより,DP-GNNも高い表現力を持つ。グラフ分類タスクのための多重ベンチマークデータセット上で提案したDP-GNNフレームワークを評価した。実験結果は,著者らのモデルが最先端の性能を達成することを証明した。【JST・京大機械翻訳】