論文の概要: Spectral Embedding of Graph Networks
- arxiv url: http://arxiv.org/abs/2009.14441v1
- Date: Wed, 30 Sep 2020 04:59:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 22:15:06.035027
- Title: Spectral Embedding of Graph Networks
- Title（参考訳）: グラフネットワークのスペクトル埋め込み
- Authors: Shay Deutsch, Stefano Soatto
- Abstract要約: ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
- 参考スコア（独自算出の注目度）: 76.27138343125985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce an unsupervised graph embedding that trades off local node
similarity and connectivity, and global structure. The embedding is based on a
generalized graph Laplacian, whose eigenvectors compactly capture both network
structure and neighborhood proximity in a single representation. The key idea
is to transform the given graph into one whose weights measure the centrality
of an edge by the fraction of the number of shortest paths that pass through
that edge, and employ its spectral proprieties in the representation. Testing
the resulting graph network representation shows significant improvement over
the sate of the art in data analysis tasks including social networks and
material science. We also test our method on node classification from the
human-SARS CoV-2 protein-protein interactome.
- Abstract（参考訳）: ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
この埋め込みは一般化されたグラフラプラシアンに基づいており、固有ベクトルはネットワーク構造と近傍近傍の両方を単一の表現でコンパクトにキャプチャする。
鍵となる考え方は、与えられたグラフを、そのエッジを通る最短経路の数の分数でエッジの中央度を測るグラフに変換し、その表現にそのスペクトル性を利用することである。
グラフネットワークの表現をテストした結果、ソーシャルネットワークやマテリアルサイエンスといったデータ分析タスクにおいて、その技術が大幅に改善されていることが分かりました。
また,ヒト-SARS CoV-2タンパク質間相互作用体からのノード分類についても検討した。
関連論文リスト
- Graph Transformer GANs with Graph Masked Modeling for Architectural
Layout Generation [153.92387500677023]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。
提案したグラフ変換器エンコーダは、局所的およびグローバルな相互作用をモデル化するために、Transformer内のグラフ畳み込みと自己アテンションを組み合わせる。
また,グラフ表現学習のための自己指導型事前学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-15T14:36:38Z) - Saliency-Aware Regularized Graph Neural Network [39.82009838086267]
グラフ分類のためのSAR-GNN(Saliency-Aware Regularized Graph Neural Network)を提案する。
まず,コンパクトなグラフ表現とノード特徴とのセマンティックな類似性を測定することで,グローバルノードの正当性を推定する。
そして、学習した塩分濃度分布を利用して、背骨の近傍集合を規則化する。
論文 参考訳（メタデータ） (2024-01-01T13:44:16Z) - Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。
GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
論文 参考訳（メタデータ） (2023-03-14T20:35:45Z) - SynGraphy: Succinct Summarisation of Large Networks via Small Synthetic
Representative Graphs [4.550112751061436]
大規模ネットワークデータセットの構造を視覚的に要約するSynGraphyについて述べる。
入力グラフに類似した構造特性を持つために生成されたより小さなグラフを描画する。
論文 参考訳（メタデータ） (2023-02-15T16:00:15Z) - Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。
GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
論文 参考訳（メタデータ） (2022-05-07T04:11:23Z) - Reasoning Graph Networks for Kinship Verification: from Star-shaped to
Hierarchical [85.0376670244522]
階層型推論グラフネットワークの学習による顔の親和性検証の問題点について検討する。
より強力で柔軟なキャパシティを利用するために,星型推論グラフネットワーク(S-RGN)を開発した。
また、より強力で柔軟なキャパシティを利用する階層型推論グラフネットワーク(H-RGN)も開発しています。
論文 参考訳（メタデータ） (2021-09-06T03:16:56Z) - Self-supervised Consensus Representation Learning for Attributed Graph [15.729417511103602]
グラフ表現学習に自己教師付き学習機構を導入する。
本稿では,新しい自己教師型コンセンサス表現学習フレームワークを提案する。
提案手法はトポロジグラフと特徴グラフの2つの視点からグラフを扱う。
論文 参考訳（メタデータ） (2021-08-10T07:53:09Z) - Spectral-Spatial Global Graph Reasoning for Hyperspectral Image
Classification [50.899576891296235]
畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。
近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
論文 参考訳（メタデータ） (2021-06-26T06:24:51Z)
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。