論文の概要: A Generalized Weisfeiler-Lehman Graph Kernel

• arxiv url: http://arxiv.org/abs/2101.08104v1
• Date: Wed, 20 Jan 2021 13:03:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 01:21:15.780284
• Title: A Generalized Weisfeiler-Lehman Graph Kernel
• Title（参考訳）: 一般化Weisfeiler-Lehmanグラフカーネル
• Authors: Till Hendrik Schulz, Tam\'as Horv\'ath, Pascal Welke, Stefan Wrobel
• Abstract要約: Weisfeiler-Lehmanグラフカーネルは、その顕著な時間複雑性と予測性能のため、最も一般的なグラフカーネルの一つである。 等式ではなく木間の類似性を考慮したWeisfeiler-Lehmanグラフカーネルの一般化を提案する。
• 参考スコア（独自算出の注目度）: 2.959278299317192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Weisfeiler-Lehman graph kernels are among the most prevalent graph kernels due to their remarkable time complexity and predictive performance. Their key concept is based on an implicit comparison of neighborhood representing trees with respect to equality (i.e., isomorphism). This binary valued comparison is, however, arguably too rigid for defining suitable similarity measures over graphs. To overcome this limitation, we propose a generalization of Weisfeiler-Lehman graph kernels which takes into account the similarity between trees rather than equality. We achieve this using a specifically fitted variation of the well-known tree edit distance which can efficiently be calculated. We empirically show that our approach significantly outperforms state-of-the-art methods in terms of predictive performance on datasets containing structurally more complex graphs beyond the typically considered molecular graphs.
• Abstract（参考訳）: Weisfeiler-Lehmanグラフカーネルは、その顕著な時間複雑性と予測性能のため、最も一般的なグラフカーネルの一つである。 彼らの鍵となる概念は、等式(すなわち同型)に関して木を表す近傍の暗黙の比較に基づいている。 しかし、この2値比較はグラフ上の適切な類似度尺度を定義するには厳密すぎる。 この制限を克服するために,木間の類似性を考慮したweisfeiler-lehmanグラフカーネルの一般化を提案する。 本研究は, 効率良く計算できる既知のツリー編集距離の具体的変動を用いて実現する。 分子グラフ以外の構造的に複雑なグラフを含むデータセットの予測性能において,本手法が最先端の手法を著しく上回ることを示す。

関連論文リスト

• Exploring Consistency in Graph Representations:from Graph Kernels to Graph Neural Networks [4.235378870514331]
  グラフネットワーク(GNN)は、グラフ表現学習において支配的なアプローチとして現れている。 ニューラルネットワーク手法とカーネルアプローチのギャップを橋渡しし、GNNが学習した表現の構造を一貫してキャプチャできるようにすることで、そのギャップを埋める。 これらの知見に触発されて、GNN層間のグラフ表現の類似性の整合性は、関係構造を捕捉し、グラフ分類性能を向上させる上で重要であると推測した。
  論文  参考訳（メタデータ） (2024-10-31T09:07:08Z)
• The PWLR Graph Representation: A Persistent Weisfeiler-Lehman scheme with Random Walks for Graph Classification [0.6999740786886536]
  グラフ表現のための永続Weisfeiler-Lehmanランダムウォークスキーム(PWLR)。 我々はWeisfeiler-Lehmanプロシージャの多くの変種を一般化する。
  論文  参考訳（メタデータ） (2022-08-29T08:50:37Z)
• Demystifying Graph Convolution with a Simple Concatenation [6.542119695695405]
  グラフトポロジ、ノード特徴、ラベル間の重なり合う情報を定量化する。 グラフの畳み込みは、グラフの畳み込みに代わる単純だが柔軟な代替手段であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T16:39:33Z)
• Graph Condensation via Receptive Field Distribution Matching [61.71711656856704]
  本稿では,元のグラフを表す小さなグラフの作成に焦点をあてる。 我々は、元のグラフを受容体の分布とみなし、受容体が同様の分布を持つ小さなグラフを合成することを目的としている。
  論文  参考訳（メタデータ） (2022-06-28T02:10:05Z)
• Beyond spectral gap: The role of the topology in decentralized learning [58.48291921602417]
  機械学習モデルのデータ並列最適化では、労働者はモデルの推定値を改善するために協力する。 本稿では、労働者が同じデータ分散を共有するとき、疎結合な分散最適化の正確な図面を描くことを目的とする。 我々の理論は深層学習における経験的観察と一致し、異なるグラフトポロジーの相対的メリットを正確に記述する。
  論文  参考訳（メタデータ） (2022-06-07T08:19:06Z)
• Graph Filtration Kernels [3.325932244741268]
  本稿では,特徴区間を組み込んだグラフカーネル群を提案する。 Wesfeiler-Lehmanラベルを特定のフィルター上で使用すると、通常のWeisfeiler-Lehmanプロシージャよりも表現力が強くなる。
  論文  参考訳（メタデータ） (2021-10-22T15:51:10Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• Understanding Higher-order Structures in Evolving Graphs: A Simplicial Complex based Kernel Estimation Approach [22.818503693119315]
  高階構造予測法は主に特徴抽出法に基づいており、実際はうまく機能するが理論的保証がない。 我々は、時間プロセスの観点から、進化するグラフを眺める単純化のための非パラメトリックカーネル推定器を開発する。 提案手法は,いくつかのベースライン高次予測法より大幅に優れる。
  論文  参考訳（メタデータ） (2021-02-06T16:49:02Z)
• Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
  本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。 その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-19T13:09:44Z)
• Wasserstein-based Graph Alignment [56.84964475441094]
  我々は,より小さいグラフのノードと大きなグラフのノードをマッチングすることを目的とした,1対多のグラフアライメント問題に対する新しい定式化を行った。 提案手法は,各タスクに対する最先端のアルゴリズムに対して,大幅な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-03-12T22:31:59Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。