論文の概要: Vertex-reinforced Random Walk for Network Embedding
- arxiv url: http://arxiv.org/abs/2002.04497v1
- Date: Tue, 11 Feb 2020 15:58:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 02:49:20.198733
- Title: Vertex-reinforced Random Walk for Network Embedding
- Title（参考訳）: ネットワーク埋め込みのための頂点強化ランダムウォーク
- Authors: Wenyi Xiao, Huan Zhao, Vincent W. Zheng, Yangqiu Song
- Abstract要約: ネットワーク埋め込みにおけるランダムウォークの基本的問題について検討する。
本研究では,無作為歩行が立ち止まったセットから飛び出すのを助けるために,エクスプロレーション探索機構を導入する。
実験結果から,提案手法は最先端のランダムウォーク法よりも大きなマージンを達成できることがわかった。
- 参考スコア（独自算出の注目度）: 42.99597051744645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we study the fundamental problem of random walk for network
embedding. We propose to use non-Markovian random walk, variants of
vertex-reinforced random walk (VRRW), to fully use the history of a random walk
path. To solve the getting stuck problem of VRRW, we introduce an
exploitation-exploration mechanism to help the random walk jump out of the
stuck set. The new random walk algorithms share the same convergence property
of VRRW and thus can be used to learn stable network embeddings. Experimental
results on two link prediction benchmark datasets and three node classification
benchmark datasets show that our proposed approach reinforce2vec can outperform
state-of-the-art random walk based embedding methods by a large margin.
- Abstract（参考訳）: 本稿では,ネットワーク埋め込みにおけるランダムウォークの基本問題について検討する。
我々は,非マルコフ的ランダムウォーク(頂点強化ランダムウォーク(VRRW)の変種)を用いて,ランダムウォークパスの歴史を完全に活用することを提案する。
vrrwの行き詰まり問題を解決するために,ランダムウォークが行き詰まりセットから飛び出すのを助けるエクスプロレーション・エクスプロレーション機構を導入する。
新しいランダムウォークアルゴリズムはVRRWと同じ収束特性を共有しており、安定したネットワーク埋め込みを学習することができる。
2つのリンク予測ベンチマークデータセットと3つのノード分類ベンチマークデータセットの実験結果から,提案手法である strengthen2vec は,ランダムウォークに基づく埋め込み手法を高いマージンで上回ることができることがわかった。
関連論文リスト
- Strong and Weak Random Walks on Signed Networks [4.739812980667592]
本稿では,2つ以上のコミュニティを持つネットワークの構造を捉えることのできる,署名付きネットワークランダムウォークを提案する。
このウォークによって類似性行列が生成され、ノードを対角的なコミュニティにクラスタリングすることができる。
弱い歩行に基づく類似性行列は、教師なしおよび半自明なクラスタリングの両方に利用できることを示す。
論文 参考訳（メタデータ） (2024-06-12T09:36:20Z) - Random Boxes Are Open-world Object Detectors [71.86454597677387]
ランダム領域の提案によって訓練された分類器が最先端のオープンワールドオブジェクト検出(OWOD)を実現することを示す。
我々はRandBoxを提案する。RandBoxはR-CNNベースのアーキテクチャで、各トレーニングでランダムな提案を訓練する。
RandBoxは、すべてのメトリクスにおいて、過去の最先端を著しく上回っている。
論文 参考訳（メタデータ） (2023-07-17T05:08:32Z) - Discovering Intrinsic Reward with Contrastive Random Walk [2.5960593866103014]
対照的にランダムウォークは、ニューラルネットワークの助けを借りてランダムウォークの遷移行列を定義する。
提案手法は,非タボラスパース報酬シナリオにおいて有効である。
また,適応的再起動と適切な温度がコントラストランダムウォークの性能に重要であることも確認した。
論文 参考訳（メタデータ） (2022-04-23T02:24:38Z) - Bias-Robust Bayesian Optimization via Dueling Bandit [57.82422045437126]
ベイジアン最適化は、観測が逆偏りとなるような環境において考慮する。
情報指向サンプリング(IDS)に基づくダリングバンディットの新しい手法を提案する。
これにより、累積的後悔保証を伴う帯域幅の並列化のための、最初の効率的なカーネル化アルゴリズムが得られる。
論文 参考訳（メタデータ） (2021-05-25T10:08:41Z) - Consistency of random-walk based network embedding algorithms [13.214230533788932]
node2vecアルゴリズムとDeepWalkアルゴリズムを行列ファクタリゼーションの観点から検討する。
その結果,観測ネットワークの幅,ランダムウォークのウィンドウサイズ,ノード2vec/DeepWalk埋め込みの収束率との微妙な相互作用が示唆された。
論文 参考訳（メタデータ） (2021-01-18T22:49:22Z) - Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。
そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。
6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
論文 参考訳（メタデータ） (2020-09-07T13:01:45Z) - Private Weighted Random Walk Stochastic Gradient Descent [21.23973736418492]
グラフ内のノードに分散したデータを分散する分散学習環境を考える。
本稿では,データの一様サンプリングと重要サンプリングという2種類のランダムウォークに基づく2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-09-03T16:52:13Z) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳（メタデータ） (2020-07-07T18:25:25Z) - Learning Representations using Spectral-Biased Random Walks on Graphs [18.369974607582584]
このプロセスにおける確率バイアスが、プロセスによって選択されたノードの品質にどの程度影響するかを調査する。
我々は、この近傍を正規化ラプラス行列として表されるノードの近傍部分グラフのスペクトルに基づく確率測度として簡潔に捉えた。
我々は,様々な実世界のデータセット上で,最先端ノード埋め込み技術に対する我々のアプローチを実証的に評価した。
論文 参考訳（メタデータ） (2020-05-19T20:42:43Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z)
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。