論文の概要: Link Prediction using Graph Neural Networks for Master Data Management

• arxiv url: http://arxiv.org/abs/2003.04732v2
• Date: Fri, 28 Aug 2020 19:01:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 19:56:48.493856
• Title: Link Prediction using Graph Neural Networks for Master Data Management
• Title（参考訳）: グラフニューラルネットワークを用いたマスターデータ管理のためのリンク予測
• Authors: Balaji Ganesan, Srinivas Parkala, Neeraj R Singh, Sumit Bhatia, Gayatri Mishra, Matheen Ahmed Pasha, Hima Patel, Somashekar Naganna
• Abstract要約: n-aryリレーショナルデータのグラフ表現の学習には、アンチマネーロンダリング、不正検出、顧客デューデリジェンスなど、多くの現実世界の応用がある。 本稿では,マスターデータ管理におけるリンク予測の匿名化,モデルトレーニング,説明可能性,検証を行う新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 3.474041030159149
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning graph representations of n-ary relational data has a number of real world applications like anti-money laundering, fraud detection, and customer due diligence. Contact tracing of COVID19 positive persons could also be posed as a Link Prediction problem. Predicting links between people using Graph Neural Networks requires careful ethical and privacy considerations than in domains where GNNs have typically been applied so far. We introduce novel methods for anonymizing data, model training, explainability and verification for Link Prediction in Master Data Management, and discuss our results.
• Abstract（参考訳）: n-aryリレーショナルデータのグラフ表現の学習には、アンチマネーロンダリング、不正検出、顧客のデューデリジェンスなど、現実世界のアプリケーションが多い。 陽性者の接触追跡もリンク予測問題として考えられる。 グラフニューラルネットワークを使用している人々間のリンクを予測するには、これまでGNNが適用されてきたドメインよりも、慎重に倫理的およびプライバシー上の考慮が必要である。 マスタデータ管理において,データの匿名化,モデルトレーニング,説明可能性とリンク予測の検証を行う新しい手法を導入し,その結果について考察する。

関連論文リスト

• GNNBleed: Inference Attacks to Unveil Private Edges in Graphs with Realistic Access to GNN Models [3.0509197593879844]
  本稿では,敵がブラックボックスGNNモデルアクセスを持つ状況におけるエッジプライバシについて検討する。 我々は,GNNのメッセージパッシング機構に基づく一連のプライバシ攻撃を導入する。
  論文  参考訳（メタデータ） (2023-11-03T20:26:03Z)
• Information Flow in Graph Neural Networks: A Clinical Triage Use Case [49.86931948849343]
  グラフニューラルネットワーク(GNN)は、マルチモーダルグラフとマルチリレーショナルグラフを処理する能力によって、医療やその他の領域で人気を集めている。 GNNにおける埋め込み情報のフローが知識グラフ(KG)におけるリンクの予測に与える影響について検討する。 以上の結果から,ドメイン知識をGNN接続に組み込むことで,KGと同じ接続を使用する場合や,制約のない埋め込み伝搬を行う場合よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-09-12T09:18:12Z)
• A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications [76.88662943995641]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。 この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。 この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
  論文  参考訳（メタデータ） (2023-08-31T00:31:08Z)
• FakeEdge: Alleviate Dataset Shift in Link Prediction [16.161812856581676]
  リンク予測タスクでは、テストセット内のリンクがまだ形成されていない間に、トレーニングセット内のリンクが常に存在し、接続パターンの相違と学習された表現のバイアスが発生する。 本研究では,学習セットとテストセット間のグラフトポロジ的ギャップを緩和し,モデルに依存しないFakeEdgeを提案する。
  論文  参考訳（メタデータ） (2022-11-29T03:36:01Z)
• Model Inversion Attacks against Graph Neural Networks [65.35955643325038]
  グラフニューラルネットワーク(GNN)に対するモデル反転攻撃について検討する。 本稿では,プライベートトレーニンググラフデータを推測するためにGraphMIを提案する。 実験の結果,このような防御効果は十分ではないことが示され,プライバシー攻撃に対するより高度な防御が求められている。
  論文  参考訳（メタデータ） (2022-09-16T09:13:43Z)
• A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability [59.80140875337769]
  グラフニューラルネットワーク(GNN)は近年,急速な発展を遂げている。 GNNは個人情報をリークしたり、敵対的攻撃に弱いり、トレーニングデータから社会的バイアスを継承したり、拡大したりすることができる。 本稿では、プライバシー、堅牢性、公正性、説明可能性の計算面におけるGNNの包括的調査を行う。
  論文  参考訳（メタデータ） (2022-04-18T21:41:07Z)
• GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction [40.811988657941946]
  問題のtextitanchorリンク予測は、ソーシャルネットワーク全体のユーザープロファイル、コンテンツ、ネットワーク構造上の共通の根拠とユーザーデータをリンクするために形式化されます。 マッチンググラフ上でのアンカーリンク予測を効率的に解く、ミニバッチ戦略によるグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-19T02:41:55Z)
• Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
  数発のアウトオブグラフリンク予測という現実的な問題を導入する。 我々は,新しいメタ学習フレームワークによってこの問題に対処する。 我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
  論文  参考訳（メタデータ） (2020-06-11T17:42:46Z)
• Stealing Links from Graph Neural Networks [72.85344230133248]
  最近、ニューラルネットワークはグラフニューラルネットワーク(GNN)として知られるグラフデータに拡張された。 優れたパフォーマンスのため、GNNは医療分析、レコメンダシステム、不正検出など多くのアプリケーションを持っている。 グラフ上でトレーニングされたGNNモデルの出力からグラフを盗む最初の攻撃を提案する。
  論文  参考訳（メタデータ） (2020-05-05T13:22:35Z)

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。