文献

J-GLOBAL ID：202202255934332029   整理番号：22A0696186

結合ネットワークアラインメントとリンク予測のためのクロスネットワークスキップグラム埋込み【JST・京大機械翻訳】

Cross-Network Skip-Gram Embedding for Joint Network Alignment and Link Prediction

著者 (4件)： Du Xingbo (School of Computer Science and Software Engineering, East China Normal University, Shanghai, China) ,  Yan Junchi (Department of Computer Science and Engineering, MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University, Shanghai, China) ,  Zhang Rui (Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing, China) ,  Zha Hongyuan (College of Computing, Georgia Institute of Technology, Atlanta, GA, USA)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 3  ページ： 1080-1095  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： リンク予測とネットワークアラインメントはネットワーク解析における2つの基本的でインタリーブタスクである。本論文では,結合最適化によってリンク予測とネットワークアラインメントを交互に実行するSkip-gramフレームワークの下で新しい交差ネットワーク埋込みモデルを提案した。経験的混合分布に基づく偏ったランダムウォークにより得られたVertexシーケンスを用いて,Skip-gramベースのノード埋込みモデルを訓練した。一方では,埋込み空間の類似性に基づいて,ネットワークアラインメントは,シードとして初期グランドトルースアラインメントまたはスクラッチから効果的に実行することができた。一方,提案したリンク予測モデルは,一組の正と負のエッジをサンプリングすることにより教師つき分類器の訓練を含む。また,Skip-gramフレームワークの下でCollective Link Fusion(CLF)法を修正し,組み込み,新しい方法が両方のタスクにおいてより良い結果を達成できることを示した。広範な実験結果は,著者らの方法の最先端性能を示した。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： *アラインメント ,  最適化 ,  *ネットワーク ,  リンク ,  モデル ,  酔歩 ,  類似性 ,  埋込み【挿入】 ,  インタリーブ ,  予測モデル
準シソーラス用語： 混合分布 ,  ネットワーク解析 ,  スクラッチ ,  教師付き分類 , 【Automatic Indexing@JST】

分類 (4件)： 計算機網  (JC03000K) ,  分子・遺伝情報処理  (JE15040B) ,  移動通信  (ND08030H) ,  通信網  (ND07030A)

タイトルに関連する用語 (4件)： アラインメント ,  リンク ,  予測 ,  埋込み