論文の概要: Spectral Evolution with Approximated Eigenvalue Trajectories for Link Prediction

• arxiv url: http://arxiv.org/abs/2006.12657v1
• Date: Mon, 22 Jun 2020 22:42:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 05:46:49.533101
• Title: Spectral Evolution with Approximated Eigenvalue Trajectories for Link Prediction
• Title（参考訳）: 近似固有値軌道を用いたリンク予測のためのスペクトル進化
• Authors: Miguel Romero, Jorge Finke, Camilo Rocha, Luis Tob\'on
• Abstract要約: 本稿では,レイリー商法に基づく固有値のスペクトル進化の近似を計算する手法を提案する。 次に、近似値のごく一部を外挿することで固有値の進化を推定するアルゴリズムを提案する。 提案されたモデルは、コロンビアで最も人気のある政治的ハッシュタグを含むツイートを投稿したユーザーの参照ネットワークの特徴付けに使用される。
• 参考スコア（独自算出の注目度）: 0.19116784879310028
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The spectral evolution model aims to characterize the growth of large networks (i.e., how they evolve as new edges are established) in terms of the eigenvalue decomposition of the adjacency matrices. It assumes that, while eigenvectors remain constant, eigenvalues evolve in a predictable manner over time. This paper extends the original formulation of the model twofold. First, it presents a method to compute an approximation of the spectral evolution of eigenvalues based on the Rayleigh quotient. Second, it proposes an algorithm to estimate the evolution of eigenvalues by extrapolating only a fraction of their approximated values. The proposed model is used to characterize mention networks of users who posted tweets that include the most popular political hashtags in Colombia from August 2017 to August 2018 (the period which concludes the disarmament of the Revolutionary Armed Forces of Colombia). To evaluate the extent to which the spectral evolution model resembles these networks, link prediction methods based on learning algorithms (i.e., extrapolation and regression) and graph kernels are implemented. Experimental results show that the learning algorithms deployed on the approximated trajectories outperform the usual kernel and extrapolation methods at predicting the formation of new edges.
• Abstract（参考訳）: スペクトル進化モデルは、隣接行列の固有値分解の観点から、大きなネットワークの成長(すなわち、新しいエッジが確立されるにつれてどのように進化するか)を特徴づけることを目的としている。 固有ベクトルは一定であるが、固有値は時間とともに予測可能な方法で進化する。 本論文はモデル2倍の原定式化を拡張した。 まず,レイリー商に基づく固有値のスペクトル進化の近似を計算する手法を提案する。 第二に、近似値のごく一部を外挿することで固有値の進化を推定するアルゴリズムを提案する。 提案モデルは、2017年8月から2018年8月にかけて、コロンビアで最も人気のある政治ハッシュタグを含むツイートを投稿したユーザーの言及ネットワークを特徴付けるために使用される。 スペクトル進化モデルがこれらのネットワークに類似している程度を評価するために、学習アルゴリズム(すなわち外挿と回帰)とグラフカーネルに基づくリンク予測手法を実装した。 実験結果から, 近似軌道上に展開された学習アルゴリズムは, 新しいエッジの形成を予測する上で, 通常のカーネルや外挿法よりも優れていることがわかった。

関連論文リスト

• Generalization for Least Squares Regression With Simple Spiked Covariances [3.9134031118910264]
  勾配降下によって訓練された2層ニューラルネットワークの一般化特性はいまだよく分かっていない。 最近の研究は、隠れた層における特徴行列のスペクトルを記述することで進展した。 しかし、スパイク共分散を持つ線形モデルの一般化誤差は以前には決定されていない。
  論文  参考訳（メタデータ） (2024-10-17T19:46:51Z)
• Sub-graph Based Diffusion Model for Link Prediction [43.15741675617231]
  拡散確率モデル(Denoising Diffusion Probabilistic Models, DDPM)は、例外的な品質を持つ同時代の生成モデルである。 本研究では,ベイズ式による確率推定過程を分解するために,専用設計を用いたリンク予測のための新しい生成モデルを構築した。 提案手法は,(1)再トレーニングを伴わないデータセット間の転送可能性,(2)限られたトレーニングデータに対する有望な一般化,(3)グラフ敵攻撃に対する堅牢性など,多くの利点を示す。
  論文  参考訳（メタデータ） (2024-09-13T02:23:55Z)
• Scalable Property Valuation Models via Graph-based Deep Learning [5.172964916120902]
  類似した特徴を持つ近隣住宅の配列を効果的に同定する2つの新しいグラフニューラルネットワークモデルを開発した。 本研究では, グラフニューラルネットワークを用いて住宅価格予測を行うことにより, 住宅価格予測の精度を著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-05-10T15:54:55Z)
• Improving Expressive Power of Spectral Graph Neural Networks with Eigenvalue Correction [55.57072563835959]
  スペクトルグラフニューラルネットワークはフィルタによって特徴づけられる。 本稿では,繰り返し入力される固有値の制約からフィルタを解放する固有値補正手法を提案する。
  論文  参考訳（メタデータ） (2024-01-28T08:12:00Z)
• Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
  モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。 この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
  論文  参考訳（メタデータ） (2023-07-06T15:19:53Z)
• Gradient flow in the gaussian covariate model: exact solution of learning curves and multiple descent structures [14.578025146641806]
  一般化曲線の全時間進化を完全かつ統一的に解析する。 この理論予測は,現実的なデータセットよりも勾配降下によって得られる学習曲線と適切に一致していることを示す。
  論文  参考訳（メタデータ） (2022-12-13T17:39:18Z)
• Variational Laplace Autoencoders [53.08170674326728]
  変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。 完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。 また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
  論文  参考訳（メタデータ） (2022-11-30T18:59:27Z)
• What learning algorithm is in-context learning? Investigations with linear models [87.91612418166464]
  本稿では,トランスフォーマーに基づくインコンテキスト学習者が標準学習アルゴリズムを暗黙的に実装する仮説について検討する。 訓練された文脈内学習者は、勾配降下、隆起回帰、および正確な最小二乗回帰によって計算された予測値と密に一致していることを示す。 文脈内学習者がこれらの予測器とアルゴリズム的特徴を共有するという予備的証拠。
  論文  参考訳（メタデータ） (2022-11-28T18:59:51Z)
• Graph Polynomial Convolution Models for Node Classification of Non-Homophilous Graphs [52.52570805621925]
  本研究では,高階グラフ畳み込みからの効率的な学習と,ノード分類のための隣接行列から直接学習する。 得られたモデルが新しいグラフと残留スケーリングパラメータをもたらすことを示す。 提案手法は,非親和性パラメータのノード分類における精度の向上を実証する。
  論文  参考訳（メタデータ） (2022-09-12T04:46:55Z)
• Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
  本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。 提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
  論文  参考訳（メタデータ） (2020-10-05T20:03:13Z)

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。