論文の概要: DA-HGT: Domain Adaptive Heterogeneous Graph Transformer
- arxiv url: http://arxiv.org/abs/2012.05688v1
- Date: Thu, 10 Dec 2020 14:16:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 06:35:14.135777
- Title: DA-HGT: Domain Adaptive Heterogeneous Graph Transformer
- Title(参考訳): DA-HGT:ドメイン適応不均一グラフ変換器
- Authors: Tiancheng Huang, Ke Xu, Donglin Wang
- Abstract要約: 異種情報ネットワーク(HIN)間のドメインシフトを処理するための新しいドメイン適応型異種グラフトランス(DA-HGT)を提案する。
DA-HGTは、2つのHINにおいて同一のノードとエッジの分布を調整するだけでなく、知識伝達の性能を向上させるために異なるタイプのノードとエッジをフル活用する。
- 参考スコア(独自算出の注目度): 10.641277509434772
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Domain adaptation using graph networks is to learn label-discriminative and
network-invariant node embeddings by sharing graph parameters. Most existing
works focus on domain adaptation of homogeneous networks, and just a few works
begin to study heterogeneous cases that only consider the shared node types but
ignore the private node types in individual networks. However, for a given
source and target heterogeneous networks, they generally contain shared and
private node types, where private types bring an extra challenge for graph
domain adaptation. In this paper, we investigate Heterogeneous Information
Networks (HINs) with partial shared node types and propose a novel domain
adaptive heterogeneous graph transformer (DA-HGT) to handle the domain shift
between them. DA-HGT can not only align the distributions of identical-type
nodes and edges in two HINs but also make full use of different-type nodes and
edges to improve the performance of knowledge transfer. Extensive experiments
on several datasets demonstrate that DA-HGT can outperform state-of-the-art
methods in various domain adaptation tasks across heterogeneous networks.
- Abstract(参考訳): グラフネットワークを用いたドメイン適応は、グラフパラメータを共有することでラベル識別ノードとネットワーク不変ノードの埋め込みを学習する。
既存の作品の多くは均質ネットワークのドメイン適応に焦点を当てており、共有ノードタイプのみを考慮しつつ、個々のネットワーク内のプライベートノードタイプを無視する異質なケースを研究し始めた作品も少なくない。
しかし、特定のソースとターゲットの異種ネットワークでは、一般に共有ノードタイプとプライベートノードタイプが含まれており、プライベートタイプはグラフドメイン適応に余分な困難をもたらす。
本稿では、部分共有ノード型を持つ異種情報ネットワーク(HIN)について検討し、その間のドメインシフトを処理するための新しいドメイン適応異種グラフ変換器(DA-HGT)を提案する。
DA-HGTは、2つのHINにおいて同一のノードとエッジの分布を調整するだけでなく、知識伝達の性能を向上させるために異なるタイプのノードとエッジをフル活用する。
いくつかのデータセットに対する大規模な実験により、DA-HGTは異種ネットワークをまたいだ様々な領域適応タスクにおいて最先端の手法より優れていることが示された。
関連論文リスト
- SA-GDA: Spectral Augmentation for Graph Domain Adaptation [38.71041292000361]
グラフニューラルネットワーク(GNN)は、グラフ関連のタスクに対して印象的な成果を上げている。
本稿では、グラフノード分類のためのグラフドメイン適応のためのtextitSpectral Augmentation(method)を提案する。
特徴集約のための局所的および大域的一貫性を協調的に活用するデュアルグラフ畳み込みネットワークを開発した。
論文 参考訳(メタデータ) (2024-08-17T13:01:45Z) - HHGT: Hierarchical Heterogeneous Graph Transformer for Heterogeneous Graph Representation Learning [19.667806439200792]
K,t)-ring neighborhoodと呼ばれる革新的な構造を開発し、ノードはまずその距離によって構成され、各距離ごとに異なる非重なり合うk-ring neighborhoodを形成する。
各 k-環構造の中で、ノードはそれらのタイプによってさらに異なるグループに分類されるので、HINにおける距離と型の両方の不均一性を自然に強調する。
HHGTの14ベースラインに対する優位性を検証するために、下流タスクで実験が行われ、ノードクラスタリングタスクでは、NMIが24.75%、ARIが29.25%まで改善された。
論文 参考訳(メタデータ) (2024-07-18T04:58:27Z) - Degree-based stratification of nodes in Graph Neural Networks [66.17149106033126]
グラフニューラルネットワーク(GNN)アーキテクチャを変更して,各グループのノードに対して,重み行列を個別に学習する。
このシンプルな実装変更により、データセットとGNNメソッドのパフォーマンスが改善されているようだ。
論文 参考訳(メタデータ) (2023-12-16T14:09:23Z) - Multiplex Heterogeneous Graph Convolutional Network [25.494590588212542]
異種ネットワーク埋め込みのための多重異種グラフ畳み込みネットワーク(MHGCN)を提案する。
我々のMHGCNは、多重異種ネットワークにおいて、異なる長さの有用な異種メタパス相互作用を自動的に学習することができる。
論文 参考訳(メタデータ) (2022-08-12T06:17:54Z) - Zero-shot Domain Adaptation of Heterogeneous Graphs via Knowledge
Transfer Networks [72.82524864001691]
ヘテロジニアスグラフニューラルネットワーク(HGNN)は、強力な表現学習技術として優れた性能を示している。
異なるノードタイプにルートされたラベルを使って直接学習する方法はありません。
本研究では,HGNN(HGNN-KTN)のための新しいドメイン適応手法である知識伝達ネットワークを提案する。
論文 参考訳(メタデータ) (2022-03-03T21:00:23Z) - Multiplex Bipartite Network Embedding using Dual Hypergraph
Convolutional Networks [16.62391694987056]
非監視のデュアルグラフ畳み込みネットワーク(DualHGCN)モデルを開発し、マルチプレックスバイパートネットワークを2組の均質ハイパーグラフに変換します。
リンク予測とノード分類タスクの4つの実世界のデータセットを用いてDualHGCNをベンチマークする。
論文 参考訳(メタデータ) (2021-02-12T07:20:36Z) - Simultaneous Semantic Alignment Network for Heterogeneous Domain
Adaptation [67.37606333193357]
本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。
対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。
テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
論文 参考訳(メタデータ) (2020-08-04T16:20:37Z) - Cross-Domain Facial Expression Recognition: A Unified Evaluation
Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。
我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-08-03T15:00:31Z) - Towards Deeper Graph Neural Networks with Differentiable Group
Normalization [61.20639338417576]
グラフニューラルネットワーク(GNN)は、隣接するノードを集約することでノードの表現を学習する。
オーバースムーシングは、レイヤーの数が増えるにつれてGNNのパフォーマンスが制限される重要な問題のひとつです。
2つのオーバースムースなメトリクスと新しいテクニック、すなわち微分可能群正規化(DGN)を導入する。
論文 参考訳(メタデータ) (2020-06-12T07:18:02Z) - Unsupervised Differentiable Multi-aspect Network Embedding [52.981277420394846]
本稿では,asp2vecと呼ばれるマルチアスペクトネットワーク埋め込みのための新しいエンドツーエンドフレームワークを提案する。
提案するフレームワークは容易に異種ネットワークに拡張できる。
論文 参考訳(メタデータ) (2020-06-07T19:26:20Z)
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。