文献

J-GLOBAL ID：202202252319174251   整理番号：22A1163852

ネットワーク表現学習のための適応型Skip-Gramモデルに向けて【JST・京大機械翻訳】

Toward an Adaptive Skip-Gram Model for Network Representation Learning

著者 (2件)： Hsieh I-Chung (Institute of Data Science, National Cheng Kung University, Tainan, Taiwan) ,  Li Cheng-Te (Institute of Data Science, National Cheng Kung University, Tainan, Taiwan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 37506-37514  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： ネットワークデータに関するランダムウォークプロセスは,ネットワーク表現学習のための広く使われているアプローチである。しかし,Skip-gramのコンテキストのためのノードシーケンスとサブサンプリングのサンプリングは2つの欠点を持つと主張する。ひとつは,均一グラフ探索だけによって,あらゆる中心ノードのために最も相関するコンテキストノードを正確に見つける可能性が低い。もう1つは,ハイパーパラメータチューニングの高価なコストのため,容易に制御されない。そのような2つの欠点は,豊富で無関係なサンプルにより,より高い訓練コストとより低い精度をもたらす。これらの問題を解決するために,著者らは,個人化ページランク(PPR)に基づくランダムウォークの適応確率を計算し,複雑なサンプリングプロセスとネガティブサンプリングを使用しない適応SKip-グラム(ASK)モデルを提案した。正のサンプル選択のためにk-最重要な近傍を利用して,それらの対応するPPR確率を目的関数に付着させた。3つの引用ネットワークと3つのソーシャルネットワークを有するベンチマークデータセットに基づいて,著者らはリンク予測,ノード分類,および埋込み可視化のタスクにおけるネットワーク表現学習のための著者らのASKモデルの改良を実証した。結果は,より効果的性能と効率的学習時間を達成した。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 ,  *ネットワーク ,  精度 ,  同調 ,  可視化 ,  酔歩 ,  目的関数 ,  文脈 ,  ベンチマーク
準シソーラス用語： 社会的ネットワーク ,  ページランク ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 表現学習 ,  モデル