文献

J-GLOBAL ID：202202247625847031   整理番号：22A0857880

構造化実体解析のためのグラフニューラルネットワークの強力なグラフ【JST・京大機械翻訳】

Powerful graph of graphs neural network for structured entity analysis

著者 (6件)： Wang Hanchen (University of Technology Sydney, Ultimo, Australia) ,  Lian Defu (University of Science and Technology of China, Hefei, China) ,  Liu Wanqi (University of Technology Sydney, Ultimo, Australia) ,  Wen Dong (University of Technology Sydney, Ultimo, Australia) ,  Chen Chen (Zhejiang Gongshang University, Hangzhou, China) ,  Wang Xiaoyang (Zhejiang Gongshang University, Hangzhou, China)
資料名： World Wide Web: Internet and Web Information Systems  (World Wide Web: Internet and Web Information Systems)
巻： 25  号： 2  ページ： 609-629  発行年： 2022年 
JST資料番号： W2172A  ISSN： 1386-145X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 構造化実体分析は,化学科学,生物学科学,環境科学および医学科学などの現代科学の基礎である。最近,大量の計算モデルが,化学分子や蛋白質などの構造化実体を分析するために提案されている。しかし,局所構造実体グラフと大域的エンティティ相互作用グラフの両方が含まれるとき,問題は複雑になる。グラフ構造のユニークなグラフは,構造実体解析のためのほとんどの既存の研究で適切に利用することができない。グラフのグラフ上にニューラルネットワークを構築するいくつかの研究は,局所グラフ構造を効果的に保存することができず,従って,モデルの表現力を減少する。本論文では,3Weisfeiler-Lehman表現力を持ち,構造化エンティティグラフとエンティティ相互作用グラフの両方から属性と構造情報を捉える,グラフニューラルネットワーク,すなわちPGONのPowerfourグラフを提案する。実世界データセット上で広範な実験を行い,PGONがグラフ分類とグラフ相互作用予測タスクの両者で他の最先端手法より優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  データ ,  分類 ,  *ニューラルネットワーク ,  基礎 ,  タンパク質 ,  環境科学 ,  計算モデル
準シソーラス用語： 局所構造 ,  表現力 ,  グラフ構造 ,  エンティティ , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフニューラルネットワーク ,  グラフのグラフ ,  Weisfeiler-Lehman試験 ,  グラフ分類

分類 (2件)： 通信網  (ND07030A) ,  計算機網  (JC03000K)

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