文献

J-GLOBAL ID：202202232348176092   整理番号：22A0930870

スパースラベルを持つ雑音グラフのためのロバストなグラフニューラルネットワークに向けて【JST・京大機械翻訳】

Towards Robust Graph Neural Networks for Noisy Graphs with Sparse Labels

著者 (4件)： Dai Enyan (The Pennsylvania State University, State College, PA, USA) ,  Jin Wei (Michigan State University, East Lansing, MI, USA) ,  Liu Hui (Michigan State University, East Lansing, MI, USA) ,  Wang Suhang (The Pennsylvania State University, State College, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 181-191  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： グラフニューラルネットワーク(GNN)は,グラフ構造化データのモデリングにおいてそれらの大きな能力を示した。しかし,実世界グラフは通常構造雑音を含み,限定されたラベル付きノードを持つ。GNNの性能は,そのようなグラフ上で訓練された場合,大幅に低下し,多くのアプリケーションでのGNNの採用を妨げる。したがって,限られたラベル付きノードを有するノイズ耐性GNNを開発することは重要である。しかし,これはむしろ限られている。したがって,限定されたラベル付きノードを持つ雑音の多いグラフ上でロバストなGNNを開発する新しい問題を研究した。この解析は,雑音のあるエッジと限定されたラベル付きノードの両方が,GNNのメッセージパッシング機構に害を与えることができることを示した。これらの問題を緩和するために,雑音の多いエッジを学習し,雑音のあるエッジを除去し,制限付きラベル付きノードの問題を軽減するために,GNNのメッセージパッシングを容易にする,雑音除去と高密度グラフを学習するための監視として,雑音のあるエッジを採用する新しいフレームワークを提案した。生成されたエッジをさらに用いて,GNNをよりよく訓練するためにラベル平滑性を有するラベルなしノードの予測を正規化した。実世界データセットに関する実験結果は,限られたラベル付きノードを有する雑音のあるグラフに関する提案フレームワークのロバスト性を実証した。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： *グラフ ,  *雑音 ,  データ ,  *ニューラルネットワーク ,  モデリング ,  雑音安定度 ,  応用プログラム ,  正規化 ,  *ロバスト性 ,  雑音除去 ,  平滑度
準シソーラス用語： メッセージパッシング ,  高密度 ,  構造化データ , 【Automatic Indexing@JST】

著者キーワード (3件)： グラフニューラルネットワーク ,  雑音のあるエッジ ,  ロバスト性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 雑音 ,  グラフ ,  ロバスト ,  グラフニューラルネットワーク