論文の概要: Embedding Node Structural Role Identity into Hyperbolic Space

• arxiv url: http://arxiv.org/abs/2011.01512v1
• Date: Tue, 3 Nov 2020 07:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 06:04:29.661298
• Title: Embedding Node Structural Role Identity into Hyperbolic Space
• Title（参考訳）: ハイパーボリック空間にノード構造的役割アイデンティティを埋め込む
• Authors: Lili Wang, Ying Lu, Chenghan Huang, Soroush Vosoughi
• Abstract要約: 我々は、ノードの構造的役割を双曲空間に埋め込むためのフレームワークを初めて提示する。 我々のフレームワークは、構造的役割を保った組込み法であるstruct2vecを拡張し、それをハイパーボロイドモデルに移動させる。 以上の結果から,ノードの構造的役割に対する潜在表現の学習において,双曲空間の方がユークリッド空間よりも有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 25.278670839765343
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, there has been an interest in embedding networks in hyperbolic space, since hyperbolic space has been shown to work well in capturing graph/network structure as it can naturally reflect some properties of complex networks. However, the work on network embedding in hyperbolic space has been focused on microscopic node embedding. In this work, we are the first to present a framework to embed the structural roles of nodes into hyperbolic space. Our framework extends struct2vec, a well-known structural role preserving embedding method, by moving it to a hyperboloid model. We evaluated our method on four real-world and one synthetic network. Our results show that hyperbolic space is more effective than euclidean space in learning latent representations for the structural role of nodes.
• Abstract（参考訳）: 近年、双曲空間はグラフやネットワーク構造を捉え、複雑なネットワークの性質を自然に反映できることが示され、双曲空間への埋め込みへの関心が高まっている。 しかし、双曲空間におけるネットワーク埋め込みの研究は、顕微鏡ノード埋め込みに焦点を当てている。 本研究では,ノードの構造的役割を双曲空間に埋め込むためのフレームワークを初めて提示する。 我々のフレームワークは、構造的役割を保った埋め込み法であるstruct2vecを拡張し、それをハイパーボロイドモデルに移行する。 提案手法を4つの実世界と1つの合成ネットワークで評価した。 その結果,双曲空間は,ノードの構造的役割に対する潜在表現の学習においてユークリッド空間よりも有効であることがわかった。

関連論文リスト

• Point Cloud Compression with Implicit Neural Representations: A Unified Framework [54.119415852585306]
  我々は幾何学と属性の両方を扱える先駆的なクラウド圧縮フレームワークを提案する。 本フレームワークでは,2つの座標ベースニューラルネットワークを用いて,voxelized point cloudを暗黙的に表現する。 本手法は,既存の学習手法と比較して,高い普遍性を示す。
  論文  参考訳（メタデータ） (2024-05-19T09:19:40Z)
• HyperS2V: A Framework for Structural Representation of Nodes in Hyper Networks [8.391883728680439]
  ハイパーネットワークは、ノード間のより複雑な関係を描写し、広範な情報を格納する能力を持っている。 本研究では,ハイパーネットワークの構造的類似性に着目したノード埋め込み手法であるHyperS2Vを紹介する。
  論文  参考訳（メタデータ） (2023-11-07T17:26:31Z)
• Alignment and Outer Shell Isotropy for Hyperbolic Graph Contrastive Learning [69.6810940330906]
  高品質なグラフ埋め込みを学習するための新しいコントラスト学習フレームワークを提案する。 具体的には、階層的なデータ不変情報を効果的にキャプチャするアライメントメトリックを設計する。 双曲空間において、木の性質に関連する葉と高さの均一性に対処する必要があることを示す。
  論文  参考訳（メタデータ） (2023-10-27T15:31:42Z)
• Dynamic Hyperbolic Attention Network for Fine Hand-object Reconstruction [76.5549647815413]
  ハイパボリック空間,すなわち動的ハイパボリック注意ネットワーク(DHANet)における最初の正確な手オブジェクト再構成手法を提案する。 本手法は,マルチモーダル情報によりメッシュ特性を学習し,手動物体の相互作用をより良くモデル化する。
  論文  参考訳（メタデータ） (2023-09-06T13:00:10Z)
• HMSN: Hyperbolic Self-Supervised Learning by Clustering with Ideal Prototypes [7.665392786787577]
  プロトタイプに基づくクラスタリング手法の自己教師付き表現学習には,双曲表現空間を用いる。 我々はMasked Siamese Networksを拡張し、双曲空間のPoincar'eボールモデルで操作する。 従来の手法とは異なり、エンコーダネットワークの出力における双曲空間に投影し、双曲投影ヘッドを利用して、下流タスクに使用される表現が双曲的であることを保証する。
  論文  参考訳（メタデータ） (2023-05-18T12:38:40Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• kHGCN: Tree-likeness Modeling via Continuous and Discrete Curvature Learning [39.25873010585029]
  本研究では,学習過程においてネットワークトポロジが伝達するメッセージを符号化することを目的として,離散構造と連続学習空間の曲率を探索する。 曲率を考慮したハイパーボリックグラフ畳み込みニューラルネットワークであるKappaHGCNを提案する。
  論文  参考訳（メタデータ） (2022-12-04T10:45:42Z)
• Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
  ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。 提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
  論文  参考訳（メタデータ） (2022-06-24T08:33:43Z)
• Embedding Node Structural Role Identity Using Stress Majorization [8.485373271217606]
  ネットワークにおける高次元の役割のアイデンティティを直接変換する新しい枠組みを提案する。 我々の手法は、特定の構造的類似性の定義に依存しない、柔軟である。 実験の結果,本フレームワークはノードロール表現の学習において,既存の手法よりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-14T23:48:16Z)
• Fully Hyperbolic Neural Networks [63.22521652077353]
  ローレンツモデルに基づく双曲型ネットワークを構築するための,完全双曲型フレームワークを提案する。 提案手法は,浅層ネットワークと深層ネットワークの両方を構築する上で,優れた性能を示す。
  論文  参考訳（メタデータ） (2021-05-31T03:36:49Z)

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。