文献

J-GLOBAL ID：202202285620422476   整理番号：22A1088733

注意機構を持つ多視点グラフ畳込みネットワーク【JST・京大機械翻訳】

Multi-view graph convolutional networks with attention mechanism

著者 (5件)： Yao Kaixuan (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education and the School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China) ,  Liang Jiye (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education and the School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China) ,  Liang Jianqing (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education and the School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China) ,  Li Ming (Key Laboratory of Intelligent Education Technology and Application of Zhejiang Province, Zhejiang Normal University, Jinhua 321004, Zhejiang, China) ,  Cao Feilong (Department of Applied Mathematics, College of Sciences, China Jiliang University, Hangzhou 310018, Zhejiang, China)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 307  ページ： Null  発行年： 2022年 
JST資料番号： E0180C  ISSN： 0004-3702  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： グラフ畳み込みネットワーク(GCNs)の最近の進歩は,効率的方法で近隣の異なるホップから情報を利用する方法に主に焦点を合わせ,多くのグラフデータモデリングタスクに実質的な改善をもたらした。しかしながら,既存のGCNベースモデルの大部分は,固定隣接行列,即ち,基礎となるグラフの単一ビュートポロジーに基づいて構築される。特に,生グラフがしばしば雑音の多いか,あるいは,必然的に誤りやすいデータ測定または収集のために不完全であっても,開発したモデルの表現力を本質的に制限する。本論文では,トポロジーの多重ビューとグラフ畳込みの計算に注意ベース特徴集約戦略を組み込むことにより,注意機構(MAGCN)を持つマルチビューグラフ畳込みネットワークと呼ぶ新しいフレームワークを提案した。GCNの高度な変異体として,MAGCNは複数の「安定」トポロジーで供給され,それは既に与えられたタスクのために存在し,あるいはいくつかの古典的グラフ構築法によって経験的に生成され,それは下流タスクのためのより良い学習表現を生成する良い可能性を有する。さらに,MAGCNの表現力および柔軟性についていくつかの理論解析を示し,多視点ベースの方法が単一視点に頼るものを潜在的に凌ぐことができる理由として,一般的な説明を提供した。著者らの実験的研究は,Cora,Citeer,およびPubmedデータセットに関するMAGCNの最先端精度を実証した。ロバスト性解析も行い,ノード分類タスクにおけるいくつかの不確実性問題を扱う際のMAGCNの利点を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *グラフ ,  雑音 ,  *畳込み ,  学習 ,  *ネットワーク ,  不確実性 ,  ニューラルネットワーク ,  能力 ,  多重化 ,  柔軟性 ,  問題
準シソーラス用語： 隣接行列 ,  表現力 ,  半教師つき学習 ,  理論解析 , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフニューラルネットワーク ,  多視点学習 ,  注意機構 ,  半教師つき学習

分類 (2件)： 人工知能  (JE08000Z) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (4件)： 注意 ,  視点 ,  グラフ ,  畳込み