文献

J-GLOBAL ID：202202222680255263   整理番号：22A0696202

mg2vec:メタグラフ埋込みによる関係保存異種グラフ表現の学習【JST・京大機械翻訳】

mg2vec: Learning Relationship-Preserving Heterogeneous Graph Representations via Metagraph Embedding

著者 (5件)： Zhang Wentao (University of Science and Technology of China, Hefei, China) ,  Fang Yuan (Singapore Management University, Singapore) ,  Liu Zemin (Singapore Management University, Singapore) ,  Wu Min (Institute for Infocomm Research, Singapore) ,  Zhang Xinming (University of Science and Technology of China, Hefei, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 3  ページ： 1317-1329  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： 異種情報ネットワーク(HIN)は,異なる意味タイプに属するノードとエッジを包含することを考えると,実世界シナリオで複雑なデータをモデル化できる。したがって,HIN埋込みは,HINに関する構造的および意味的情報を保存するために,低次元空間におけるノード表現を学習することを目的とする注目を浴びている。この点に関して,HIN上の共通および再帰パターンをモデル化するメタグラフは,HINに関する意味的豊富でしばしば潜在的関係を捕捉するための強力なツールとして現れる。メタグラフはいくつかの特定のデータマイニングタスクに取り組むために採用されているが,それらはより一般的なHIN埋込みのために完全には調査されていない。本論文では,様々な関係マイニングタスクをサポートするために,自己教師付き設定における関係保存HIN埋込みを学習するためにメタグラフを利用した。特に,現在のアプローチの多くはメタグラフをしばしば利用し,前処理ステップにのみ適用され,その後,表現学習を能動的に誘導しないことを観測した。したがって,著者らは,メタグラフとノードのための埋込みを共同で学習する,mg2vecの新しいフレームワークを提案する。すなわち,メタグラフは,ノードが行うと同じ埋込み空間に自分自身をマッピングすることによって,学習過程に積極的に関与する。さらに,メタグラフはノード埋込みに関する一次および二次制約の両方を通して学習をガイドし,ノードペア間の潜在関係だけでなく,各ノードの個々の選好もモデル化する。最後に,3つの公開データセットに関する広範な実験を行った。結果は,mg2vecが,関係予測,探索,および可視化を含む関係マイニングタスクにおいて,最先端のベースラインのセットより,著しく優れていることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  情報 ,  データ ,  前処理 ,  *理論 ,  可視化 ,  情報ネットワーク ,  モデリング ,  空間 ,  基準線 ,  機械学習 ,  データマイニング
準シソーラス用語： 学習過程 ,  低次元 ,  グラフレプリゼンテーション ,  *グラフ埋込み ,  表現学習 , 【Automatic Indexing@JST】

分類 (3件)： グラフ理論基礎  (IA02020S) ,  自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： グラフ埋込み ,  保存 ,  グラフ表現 ,  学習