文献

J-GLOBAL ID：202202280480580049   整理番号：22A1086465

Netpro2vec:生物医学応用のためのグラフ埋込みフレームワーク【JST・京大機械翻訳】

Netpro2vec: A Graph Embedding Framework for Biomedical Applications

著者 (6件)： Manipur Ichcha (National Research Council, Institute for High-Performance Computing and Networking, Naples, Italy) ,  Manzo Mario (University of Naples “L’Orientale”, Naples, Italy) ,  Granata Ilaria (National Research Council, Institute for High-Performance Computing and Networking, Naples, Italy) ,  Giordano Maurizio (National Research Council, Institute for High-Performance Computing and Networking, Naples, Italy) ,  Maddalena Lucia (National Research Council, Institute for High-Performance Computing and Networking, Naples, Italy) ,  Guarracino Mario R. (Department of Economics and Law, University of Cassino and Southern Lazio, Cassino, Italy)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 19  号： 2  ページ： 729-740  発行年： 2022年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  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： 異なるアプリケーションにおける構造化データ,特に生物医学分野における構造化データの重要性は,より管理可能な空間への投影を通してその複雑性を低減する必要性を推進している。グラフ上の特徴の学習のための最新の方法は,主にノードとエッジの近傍に集中している。単一ノード近傍を越えて見える表現を提供する方法はカーネルグラフである。しかし,それらは,一般化されたモデルなしで,手作りされた特徴を作り出す。このギャップを減らすために,本研究では,Netpro2vecと呼ばれるグラフの確率分布表現に基づくニューラル埋込みフレームワークを提案した。目標は,遷移行列とNode距離分布によって誘発されたもののような程度以外の基本的なノード記述を調査することである。Netpro2vecは,データのタスクと性質から完全に独立した埋込みを提供する。このフレームワークを,包括的実験分類フェーズを通して合成および様々な実際の生物医学ネットワークデータセット上で評価し,よく知られた競争者と比較した。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 ,  表現 ,  データ ,  分類 ,  特性 ,  確率分布 ,  応用プログラム ,  *埋込み【挿入】
準シソーラス用語： 遷移行列 ,  *生物医学 ,  複雑性 ,  距離分布 ,  構造化データ ,  *グラフ埋込み , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 生物医学応用 ,  グラフ埋込み ,  フレームワーク