文献

J-GLOBAL ID：202202234741484182   整理番号：22A0456575

g-検査器:グラフ上の再帰注意モデル【JST・京大機械翻訳】

g-Inspector: Recurrent Attention Model on Graph

著者 (4件)： Luo Zhiling (Department of Computer Science, Zhejiang University, Hangzhou, China) ,  Cui Yinghua (Department of Computer Science, Zhejiang University, Hangzhou, China) ,  Zhao Sha (Department of Computer Science, Zhejiang University, Hangzhou, China) ,  Yin Jianwei (Department of Computer Science, Zhejiang University, Hangzhou, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 2  ページ： 680-690  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： グラフ分類問題はグラフマイニングの現実における研究ホットスポットの1つになっており,それは化学情報学,バイオインフォマティクスおよびソーシャルネットワーク解析において広く使われてきた。グラフカーネル法とグラフ畳込みニューラルネットワークのような既存の手法は,非解釈性と高次元の課題に直面している。問題に取り組むために,著者らは,g-Inspectorと呼ばれる新しい再発性注意モデルを提案し,それは,結果を解釈するために各領域の有意性を調査するために,注意機構を適用する。また,シフト操作を,次の関連領域を発見するために,検査エージェントを導くために,また,高次元問題を解くために,全大グラフの代わりに小領域を順次負荷する。標準グラフデータセット上で行った実験は,グラフ分類問題におけるg-Inspectorの有効性を示した。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： *ホットスポット ,  高次元 ,  有効性 ,  エージェント
準シソーラス用語： バイオインフォマティクス ,  グラフマイニング ,  社会的ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 検査 ,  グラフ ,  注意 ,  モデル