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。
グラフ表現学習は,近年非常に活発な研究領域であった。グラフ表現学習の目標は,大規模グラフの構造と特徴を正確に捉えるグラフ表現ベクトルを生成することである。これは,グラフ表現ベクトルの品質がノード分類,リンク予測および異常検出のような下流タスクにおけるこれらのベクトルの性能に影響を及ぼすので,特に重要である。効果的なグラフ表現ベクトルを生成するための多くの技法を提案した。グラフ表現学習の最も一般的なカテゴリーの2つはグラフニューラルネット(GNN)を使用しないグラフ埋込み法であり,非GNNベースグラフ埋込み法とグラフニューラルネット(GNN)ベース法を示した。非GNNグラフ埋込み法は,ランダムウォーク,時間点プロセスおよびニューラルネットワーク学習法のような技術に基づいている。他方,GNNベースの方法はグラフデータに関する深層学習の応用である。この調査では,これら2つのカテゴリーの概観を提供し,静的および動的グラフの両方に対する現在の最先端技術をカバーする。最後に,将来の研究のためのいくつかのオープンで進行中の研究方向を探究した。【JST・京大機械翻訳】