抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
属性ネットワーク埋込みは,ネットワーク構造と属性データの両方を活用することにより,ネットワークオブジェクトの低次元表現を生成することを可能にする。しかし,より良いベクトル表現を達成するために2つの異なる情報を適切に組み合わせる方法は,まだ不明である。いくつかの方法はグラフ構造と属性データから別々に埋込みを学習し,次にそれらを接続して,いくつかの既存の方法は補助情報として属性データを使用する。しかし,属性データを埋込みプロセスに統合する問題は,属性空間のスパース性のために未解決問題である。特に,TwitterやFlickrのようなソーシャルネットワークにおいて,コンテキストは短く,オブジェクトを定義する属性の数は非常に少なく,オブジェクト間の文脈的近接性を適切に発見しない。これらの問題に取り組むために,本研究では,ネットワークオブジェクトの低次元表現を生成する,強化属性表現(ANEA)による強化属性ネットワーク埋込み法を提案した。ANEAは,データを2つの異なるグラフ構造にマッピングすることによって,埋込みプロセスに属性データを組み込む。スパース性問題に対処するため,提案手法は,これらのグラフ上でランダムウォークを実行することにより,属性間の高次意味関係を捉える。ANEAは,ネットワーク構造と属性から成る関節空間を通して埋込みを学習する。したがって,それはオブジェクトの潜在属性表現を発見することを可能にして,それは一般的文脈的興味がノード間の近接性のモデル化において有効であることを説明するのに役立った。実世界ネットワークに関する実験は,ANEAが最先端の方法より優れていることを確認した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021. corrected publication 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】
