文献
J-GLOBAL ID:202202274184302916   整理番号:22A0984488

GraphHINGE:異種情報ネットワーク上の構造化近傍の相互作用モデルの学習【JST・京大機械翻訳】

GraphHINGE: Learning Interaction Models of Structured Neighborhood on Heterogeneous Information Network
著者 (8件):
資料名:
巻: 40  号:ページ: 1-35  発行年: 2022年 
JST資料番号: H0971A  ISSN: 1046-8188  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:
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。
異種情報ネットワーク(HIN)は,様々なタイプとそれらの複雑な関係の実体を特徴付けるために広く使用されてきた。最近の試みは,予測前の異種ネットワーク表現を学習するために,経路ベースの意味関連性またはグラフ近傍をレバレッジする明示的経路到達性に依存する。これらの弱く結合した方法は,初期要約問題を導入する隣接ノード間の豊富な相互作用を見落としている。本論文では,それらの構造化近傍を通してノードの各ペア間のインタラクティブパターンを捕捉し,凝集するGraphHINGE(Heterogeneous INteract and aggreGatE)を提案した。特に,著者らは,まず,同じメタパスの下で対話型パターンをモデル化するために,近傍ベースの相互作用(NI)モジュールを導入し,次に,それを,異なるメタパスを取り扱うために,交差近傍ベースの相互作用(CNI)モジュールに拡張した。次に,大規模ネットワークに関する複雑性問題に取り組むために,畳込みフレームワークを介して相互作用モジュールを定式化し,高速Fourier変換で効率的にパラメータを学習した。さらに,新しい近傍ベース選択(NS)機構,サンプリング戦略を設計し,それらの低次性能に基づく高次近傍情報をフィルタリングした。6種類の異種グラフに関する広範な実験は,クリックスルーレート予測とトップN推薦タスクの両方における最先端技術と比較して,性能利得を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  その他の情報工学基礎理論  ,  その他の情報処理  ,  自然語処理  ,  検索技術 

前のページに戻る