論文の概要: Measuring Diversity in Heterogeneous Information Networks
- arxiv url: http://arxiv.org/abs/2001.01296v3
- Date: Wed, 16 Dec 2020 12:23:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 08:09:34.978384
- Title: Measuring Diversity in Heterogeneous Information Networks
- Title（参考訳）: 異種情報ネットワークにおける多様性の測定
- Authors: Pedro Ramaciotti Morales, Robin Lamarche-Perrin, Raphael
Fournier-S'niehotta, Remy Poulain, Lionel Tabourier, and Fabien Tarissan
- Abstract要約: 異種情報ネットワーク(HIN)への多様性対策の多種族適用のための公式な枠組みを開発する。
これにより、分類や配置のシステムから、ネットワークによってより良くモデル化できるより複雑な関係まで、多様性対策の適用が拡張される。
本稿では,レコメンデータシステムとソーシャルメディア研究の分野における,これらの新しい観測機器の有用性について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diversity is a concept relevant to numerous domains of research varying from
ecology, to information theory, and to economics, to cite a few. It is a notion
that is steadily gaining attention in the information retrieval, network
analysis, and artificial neural networks communities. While the use of
diversity measures in network-structured data counts a growing number of
applications, no clear and comprehensive description is available for the
different ways in which diversities can be measured. In this article, we
develop a formal framework for the application of a large family of diversity
measures to heterogeneous information networks (HINs), a flexible, widely-used
network data formalism. This extends the application of diversity measures,
from systems of classifications and apportionments, to more complex relations
that can be better modeled by networks. In doing so, we not only provide an
effective organization of multiple practices from different domains, but also
unearth new observables in systems modeled by heterogeneous information
networks. We illustrate the pertinence of our approach by developing different
applications related to various domains concerned by both diversity and
networks. In particular, we illustrate the usefulness of these new proposed
observables in the domains of recommender systems and social media studies,
among other fields.
- Abstract（参考訳）: 多様性(diversity)は、生態学、情報理論、経済学など、様々な分野の研究に関連する概念である。
情報検索,ネットワーク分析,ニューラルネットワークのコミュニティにおいて,着実に注目を集めている概念である。
ネットワーク構造データにおける多様性測定の利用はアプリケーション数の増加を計るが、多様性を計測するさまざまな方法について、明確かつ包括的な説明は得られない。
本稿では,多様情報ネットワーク (hins) に対する大規模多様性尺度の適用のための形式的枠組みについて述べる。
これにより、分類や分類のシステムから、ネットワークによってモデル化されるより複雑な関係まで、多様性の尺度の適用が拡大される。
そのために、異なるドメインから複数のプラクティスを効果的に構成するだけでなく、異種情報ネットワークによってモデル化されたシステムに新しいオブザーバブルを探索する。
多様性とネットワークの両面で関係する様々な分野に関する様々なアプリケーションを開発することで、我々のアプローチの意義を説明する。
特に,リコメンデータシステムやソーシャルメディア研究の分野において,これらの新たな観測対象が有用であることを示す。
関連論文リスト
- Flexible inference in heterogeneous and attributed multilayer networks [21.349513661012498]
我々は任意の種類の情報を持つ多層ネットワークで推論を行う確率的生成モデルを開発した。
インド農村部における社会支援ネットワークにおける様々なパターンを明らかにする能力を示す。
論文 参考訳（メタデータ） (2024-05-31T15:21:59Z) - Geometric Multimodal Deep Learning with Multi-Scaled Graph Wavelet
Convolutional Network [21.06669693699965]
マルチモーダルデータは、非常に異なる統計特性を持つ様々な領域のデータを統合することで、自然現象に関する情報を提供する。
マルチモーダルデータのモダリティ内およびモダリティ間情報の取得は,マルチモーダル学習法の基本的能力である。
非ユークリッド領域にディープラーニング手法を一般化することは、新たな研究分野である。
論文 参考訳（メタデータ） (2021-11-26T08:41:51Z) - Variational Attention: Propagating Domain-Specific Knowledge for
Multi-Domain Learning in Crowd Counting [75.80116276369694]
群集カウントでは, 激しいラベル付けの問題により, 新しい大規模データセットを収集する難易度が知覚される。
マルチドメイン共同学習を活用し,DKPNet(Domain-specific Knowledge Propagating Network)を提案する。
主に、異なるドメインに対する注意分布を明示的にモデル化する、新しい変動注意法(VA)技術を提案する。
論文 参考訳（メタデータ） (2021-08-18T08:06:37Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳（メタデータ） (2020-10-15T14:12:26Z) - Multivariate Relations Aggregation Learning in Social Networks [39.576490107740135]
ソーシャルネットワークのグラフ学習タスクでは,多変量関係情報の識別と活用がより重要である。
既存のグラフ学習手法は近隣情報拡散機構に基づいている。
本稿では,ネットワーク環境における多変量関係情報を効果的に取得できる多変量関係集約学習法を提案する。
論文 参考訳（メタデータ） (2020-08-09T04:58:38Z) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳（メタデータ） (2020-07-19T22:50:20Z) - Beyond Data Samples: Aligning Differential Networks Estimation with
Scientific Knowledge [18.980524563441975]
提案した推定器は多数の変数に対してスケーラブルであり、鋭い収束率を達成する。
本研究は, 遺伝的ネットワーク同定と脳コネクトーム変化発見において, グループ, 空間, 解剖学的知識を統合することの意義を明らかにするものである。
論文 参考訳（メタデータ） (2020-04-24T00:01:15Z) - Heterogeneous Network Representation Learning: A Unified Framework with
Survey and Benchmark [57.10850350508929]
我々は、異種ネットワーク埋め込み(HNE)に関する既存の研究を要約し、評価するための統一的なフレームワークを提供することを目指している。
最初のコントリビューションとして、既存のHNEアルゴリズムのメリットを体系的に分類し分析するための一般的なパラダイムを提供する。
第2のコントリビューションとして、さまざまなソースから、スケール、構造、属性/ラベルの可用性などに関するさまざまな特性を備えた4つのベンチマークデータセットを作成します。
第3のコントリビューションとして、13の人気のあるHNEアルゴリズムに対するフレンドリなインターフェースを作成し、複数のタスクと実験的な設定に対して、それらの全周比較を提供する。
論文 参考訳（メタデータ） (2020-04-01T03:42:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。