論文の概要: Big Networks: A Survey

• arxiv url: http://arxiv.org/abs/2008.03638v1
• Date: Sun, 9 Aug 2020 03:40:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 04:52:08.785589
• Title: Big Networks: A Survey
• Title（参考訳）: Big Networks: 調査
• Authors: Hayat Dino Bedru, Shuo Yu, Xinru Xiao, Da Zhang, Liangtian Wan, He Guo, Feng Xia
• Abstract要約: 本稿では,ビッグネットワークという新しいネットワーク科学概念を紹介する。 大きなネットワークは通常、複雑で高次の内部構造を持つ大規模である。 まず,マイクロレベル,メソレベル,マクロレベルという3つのレベルから大きなネットワークの構造的特徴を紹介する。 次に、大規模ネットワーク分析の最先端トピックについて論じる。
• 参考スコア（独自算出の注目度）: 12.9583587501745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A network is a typical expressive form of representing complex systems in terms of vertices and links, in which the pattern of interactions amongst components of the network is intricate. The network can be static that does not change over time or dynamic that evolves through time. The complication of network analysis is different under the new circumstance of network size explosive increasing. In this paper, we introduce a new network science concept called big network. Big networks are generally in large-scale with a complicated and higher-order inner structure. This paper proposes a guideline framework that gives an insight into the major topics in the area of network science from the viewpoint of a big network. We first introduce the structural characteristics of big networks from three levels, which are micro-level, meso-level, and macro-level. We then discuss some state-of-the-art advanced topics of big network analysis. Big network models and related approaches, including ranking methods, partition approaches, as well as network embedding algorithms are systematically introduced. Some typical applications in big networks are then reviewed, such as community detection, link prediction, recommendation, etc. Moreover, we also pinpoint some critical open issues that need to be investigated further.
• Abstract（参考訳）: ネットワークは、ネットワークの構成要素間の相互作用のパターンが複雑である頂点とリンクの観点から複雑なシステムを表現する典型的な表現形式である。 ネットワークは、時間とともに変化しない静的でもよいし、時間とともに進化する動的でもよい。 ネットワーク解析の複雑さは,ネットワークサイズの爆発が増加する新しい状況下で異なる。 本稿では,big networkという新たなネットワーク科学概念を提案する。 大きなネットワークは通常、複雑で高次の内部構造を持つ大規模である。 本稿では,大規模ネットワークの観点から,ネットワーク科学の分野における主要なトピックを考察するガイドラインフレームワークを提案する。 まず,マイクロレベル,メソレベル,マクロレベルという3段階の大規模ネットワークの構造特性を紹介する。 次に,大規模ネットワーク解析の最先端のトピックについて論じる。 ランク付け手法や分割手法,ネットワーク埋め込みアルゴリズムなど,ネットワークモデルと関連するアプローチが体系的に導入されている。 ビッグネットワークの典型的なアプリケーションは、コミュニティ検出、リンク予測、レコメンデーションなど、レビューされる。 さらに、さらに調査すべき重要なオープンな問題についても指摘します。

関連論文リスト

• Riemannian Residual Neural Networks [58.925132597945634]
  残余ニューラルネットワーク(ResNet)の拡張方法を示す。 ResNetは、機械学習において、有益な学習特性、優れた経験的結果、そして様々なニューラルネットワークを構築する際に容易に組み込める性質のために、ユビキタスになった。
  論文  参考訳（メタデータ） (2023-10-16T02:12:32Z)
• CS-MLGCN : Multiplex Graph Convolutional Networks for Community Search in Multiplex Networks [0.0]
  本稿では,マルチプレクサネットワークにおけるクエリ駆動グラフ畳み込みネットワークCS-MLGCNを提案する。 地道なコミュニティを持つ実世界のグラフの実験は、得られるソリューションの品質を検証する。
  論文  参考訳（メタデータ） (2022-10-17T07:47:19Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• Rank Diminishing in Deep Neural Networks [71.03777954670323]
  ニューラルネットワークのランクは、層をまたがる情報を測定する。 これは機械学習の幅広い領域にまたがる重要な構造条件の例である。 しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
  論文  参考訳（メタデータ） (2022-06-13T12:03:32Z)
• Understanding the network formation pattern for better link prediction [4.8334761517444855]
  多重順序局所情報(MOLI)を用いたリンク予測手法を提案する。 MOLIは、異なる距離の隣人からのローカル情報を利用しており、パラメータは事前知識に基づいて事前駆動される。 シミュレーションと実世界の11種類のネットワークにおいて,MOLIが他の11種類のリンク予測アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-17T15:30:04Z)
• Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
  ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。 いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。 破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
  論文  参考訳（メタデータ） (2021-02-13T18:54:49Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
  本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。 接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。 この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
  論文  参考訳（メタデータ） (2020-08-19T04:53:31Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)
• Quasi-Equivalence of Width and Depth of Neural Networks [10.365556153676538]
  人工ニューラルネットワークの設計が指向性を持つかどうかを検討する。 De Morgan法に触発されて、ReLUネットワークの幅と深さの間に準等価性を確立する。 以上の結果から,深層ネットワークは任意に小さな誤差を被る広い等価性を有することがわかった。
  論文  参考訳（メタデータ） (2020-02-06T21:17:32Z)
• Emergence of Network Motifs in Deep Neural Networks [0.35911228556176483]
  ニューラルネットワークの研究にネットワークサイエンスツールをうまく応用できることが示される。 特に,マルチ層パーセプトロンにおけるネットワークモチーフの出現について検討する。
  論文  参考訳（メタデータ） (2019-12-27T17:05:38Z)

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。