論文の概要: Variational Embeddings for Community Detection and Node Representation

• arxiv url: http://arxiv.org/abs/2101.03885v1
• Date: Mon, 11 Jan 2021 13:36:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 14:35:58.587399
• Title: Variational Embeddings for Community Detection and Node Representation
• Title（参考訳）: コミュニティ検出とノード表現のための変分埋め込み
• Authors: Rayyan Ahmad Khan, Muhammad Umer Anwaar, Omran Kaddah and Martin Kleinsteuber
• Abstract要約: コミュニティ検出とノード表現のための変分埋め込みを共同学習するためのVECoDeRと呼ばれる効率的な生成モデルを提案する。 我々は、VECoDeRが3つのタスクすべてで多くの競合ベースラインを効果的に上回るいくつかのグラフデータセットを実証します。
• 参考スコア（独自算出の注目度）: 5.197034517903854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study how to simultaneously learn two highly correlated tasks of graph analysis, i.e., community detection and node representation learning. We propose an efficient generative model called VECoDeR for jointly learning Variational Embeddings for Community Detection and node Representation. VECoDeR assumes that every node can be a member of one or more communities. The node embeddings are learned in such a way that connected nodes are not only "closer" to each other but also share similar community assignments. A joint learning framework leverages community-aware node embeddings for better community detection. We demonstrate on several graph datasets that VECoDeR effectively out-performs many competitive baselines on all three tasks i.e. node classification, overlapping community detection and non-overlapping community detection. We also show that VECoDeR is computationally efficient and has quite robust performance with varying hyperparameters.
• Abstract（参考訳）: 本稿では,グラフ解析における2つの高度に相関したタスク,すなわちコミュニティ検出とノード表現学習を同時に学習する方法を検討する。 本稿では,コミュニティ検出とノード表現のための変分埋め込みを共同学習するためのVECoDeRと呼ばれる効率的な生成モデルを提案する。 VECoDeRは、すべてのノードが1つ以上のコミュニティのメンバーになれると仮定する。 ノードの埋め込みは、接続ノードが互いに"クローズ"するだけでなく、同様のコミュニティ割り当てを共有するように学習される。 共同学習フレームワークは、コミュニティを意識したノード埋め込みを利用して、コミュニティ検出を改善する。 いくつかのグラフデータセットで、VECoDeRは事実上3つのタスクすべてにおいて多くの競争ベースラインを上回ります。 ノード分類、重複するコミュニティ検出、重複しないコミュニティ検出。 また,VECoDeRは計算効率が高く,様々なハイパーパラメータで高い性能を示すことを示す。

関連論文リスト

• Community Detection Guarantees Using Embeddings Learned by Node2Vec [5.530212768657544]
  node2vec が生成した埋め込みのクラスタリングは,ブロックモデルにおけるノードに対して,弱い一貫したコミュニティリカバリをもたらすことを示す。 また、これらの埋め込みをノードおよびリンク予測タスクに利用することについても論じる。
  論文  参考訳（メタデータ） (2023-10-26T18:16:23Z)
• STERLING: Synergistic Representation Learning on Bipartite Graphs [78.86064828220613]
  二部グラフ表現学習の基本的な課題は、ノードの埋め込みを抽出する方法である。 最近の二部グラフSSL法は、正ノード対と負ノード対を識別することによって埋め込みを学習する対照的な学習に基づいている。 負のノードペアを持たないノード埋め込みを学習するための新しい相乗的表現学習モデル(STERling)を提案する。
  論文  参考訳（メタデータ） (2023-01-25T03:21:42Z)
• DCC: A Cascade based Approach to Detect Communities in Social Networks [1.80476943513092]
  この研究はグラノヴェッターの主張によって動機付けられ、強い結びつきが密接な連結ノードの中に存在することを示唆している。 我々は,カスケードを用いたemphDisjoint Community Detectionと呼ばれる新しい手法を導入した。
  論文  参考訳（メタデータ） (2022-12-21T11:25:07Z)
• A Variational Edge Partition Model for Supervised Graph Representation Learning [51.30365677476971]
  本稿では,重なり合うノード群間の相互作用を集約することで,観測されたエッジがどのように生成されるかをモデル化するグラフ生成プロセスを提案する。 それぞれのエッジを複数のコミュニティ固有の重み付きエッジの和に分割し、コミュニティ固有のGNNを定義する。 エッジを異なるコミュニティに分割するGNNベースの推論ネットワーク,これらのコミュニティ固有のGNN,およびコミュニティ固有のGNNを最終分類タスクに組み合わせたGNNベースの予測器を共同で学習するために,変分推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T14:37:50Z)
• Graph Communal Contrastive Learning [34.85906025283825]
  グラフ表現学習の基本的な問題は、人間のラベル付けなしで表現を効果的に学習する方法である。 本稿では,コミュニティ分割を共同で学習し,ノード表現を学習するグラフコントラスト学習(gCooL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-28T02:57:54Z)
• QD-GCN: Query-Driven Graph Convolutional Networks for Attributed Community Search [54.42038098426504]
  QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。 本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
  論文  参考訳（メタデータ） (2021-04-08T07:52:48Z)
• Node2Seq: Towards Trainable Convolutions in Graph Neural Networks [59.378148590027735]
  今回提案するグラフネットワーク層であるNode2Seqは,隣接ノードの重みを明示的に調整可能なノード埋め込みを学習する。 対象ノードに対して,当手法は注意メカニズムを介して隣接ノードをソートし,さらに1D畳み込みニューラルネットワーク(CNN)を用いて情報集約のための明示的な重み付けを行う。 また, 特徴学習のための非局所的情報を, 注意スコアに基づいて適応的に組み込むことを提案する。
  論文  参考訳（メタデータ） (2021-01-06T03:05:37Z)
• Node Similarity Preserving Graph Convolutional Networks [51.520749924844054]
  グラフニューラルネットワーク(GNN)は、ノード近傍の情報を集約し変換することで、グラフ構造とノードの特徴を探索する。 グラフ構造を利用してノード類似性を効果的かつ効率的に保存できるSimP-GCNを提案する。 本研究は,SimP-GCNが3つの分類グラフと4つの非補助グラフを含む7つのベンチマークデータセットに対して有効であることを示す。
  論文  参考訳（メタデータ） (2020-11-19T04:18:01Z)
• Integrating Network Embedding and Community Outlier Detection via Multiclass Graph Description [15.679313861083239]
  そこで本稿では,ノード埋め込みとアウトレーヤとコミュニティ検出を統合した非教師なしグラフ埋め込み手法(DMGD)を提案する。 DMGDにより検出された外れ値の数に関する理論的境界を示す。 我々の定式化は、外れ値、コミュニティ割り当て、ノード埋め込み関数の間の興味深いミニマックスゲームに起因する。
  論文  参考訳（メタデータ） (2020-07-20T16:21:07Z)
• 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)
• Provable Overlapping Community Detection in Weighted Graphs [3.04585143845864]
  重み付きグラフにおける重なり合うコミュニティを、純粋ノードの仮定を明示的に定義することなく検出する証明可能な方法を提案する。 我々のアプローチは凸最適化に基づいており、多くの有用な理論的性質がすでに知られている。 人工および実世界のデータセット上でのアルゴリズムの成功を実証する。
  論文  参考訳（メタデータ） (2020-04-15T15:25:46Z)

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。