論文の概要: Subgraph nomination: Query by Example Subgraph Retrieval in Networks

• arxiv url: http://arxiv.org/abs/2101.12430v1
• Date: Fri, 29 Jan 2021 06:50:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-01 12:44:18.152515
• Title: Subgraph nomination: Query by Example Subgraph Retrieval in Networks
• Title（参考訳）: subgraph appointment: ネットワークにおけるsubgraph検索の例によるクエリ
• Authors: Al-Fahad M. Al-Qadhi, Carey E. Priebe, Hayden S. Helm, Vince Lyzinski
• Abstract要約: 本稿では,サブグラフ推薦パイプラインにおけるユーザ・イン・ザ・ループの概念に着目して,サブグラフ推薦フレームワークを定義する。 本稿では,ユーザ・スーパービジョンが実データ例とシミュレーションデータ例の両方において,パフォーマンスに与える影響について検討する。
• 参考スコア（独自算出の注目度）: 16.601107021501775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces the subgraph nomination inference task, in which example subgraphs of interest are used to query a network for similarly interesting subgraphs. This type of problem appears time and again in real world problems connected to, for example, user recommendation systems and structural retrieval tasks in social and biological/connectomic networks. We formally define the subgraph nomination framework with an emphasis on the notion of a user-in-the-loop in the subgraph nomination pipeline. In this setting, a user can provide additional post-nomination light supervision that can be incorporated into the retrieval task. After introducing and formalizing the retrieval task, we examine the nuanced effect that user-supervision can have on performance, both analytically and across real and simulated data examples.
• Abstract（参考訳）: 本稿では,興味あるサブグラフを用いてネットワークに類似した興味深いサブグラフを問い合わせるサブグラフ指名推論タスクについて紹介する。 このタイプの問題は、例えば、社会および生物学的/接続性ネットワークにおけるユーザー推奨システムおよび構造検索タスクに関連する現実世界の問題に何度も現れます。 我々は,subgraph指名パイプラインにおけるユーザ・イン・ザ・ループの概念に着目し,subgraph指名フレームワークを正式に定義する。 この設定では、ユーザーは検索タスクに組み込むことができる追加後光監督を提供することができます。 検索タスクの導入と形式化後、実データ例とシミュレーションデータ例の両方において、ユーザ・スーパービジョンがパフォーマンスに与える影響について検討する。

関連論文リスト

• Task Adaptive Feature Distribution Based Network for Few-shot Fine-grained Target Classification [16.575362884459963]
  タスク適応型特徴分散ネットワークであるTAFD-Netを提案する。 タスクレベルのニュアンスをキャプチャするための組み込みのためのタスク適応コンポーネント、クエリサンプルとサポートカテゴリ間の特徴分布の類似性を計算するための非対称メトリック、パフォーマンスを高めるための対照的な測定戦略を備えている。
  論文  参考訳（メタデータ） (2024-10-13T10:56:09Z)
• Where's Waldo: Diffusion Features for Personalized Segmentation and Retrieval [31.48981364573974]
  これらのタスクには、教師付き手法に匹敵する結果を示す自己教師付き基礎モデルが導入されている。 これらのモデルは、同じクラス内の他のインスタンスが提示されたときに、望ましいインスタンスを見つけるのに苦労している。 本稿では, PDM for Personalized Features Diffusion Matching という新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-28T10:13:18Z)
• Finding Support Examples for In-Context Learning [73.90376920653507]
  本稿では,この課題を2段階に解決するためのfilter-thEN-Search法であるLENSを提案する。 まず、データセットをフィルタリングして、個別に情報的インコンテキストの例を得る。 そこで本研究では,反復的に改良し,選択したサンプル順列を評価可能な多様性誘導型サンプル探索を提案する。
  論文  参考訳（メタデータ） (2023-02-27T06:32:45Z)
• A Novel Explainable Out-of-Distribution Detection Approach for Spiking Neural Networks [6.100274095771616]
  この研究は、スパイキングニューラルネットワークに入力されたテスト例がトレーニングされたデータの分布に属するかどうかを識別できる新しいOoD検出器を提案する。 我々は、スパイクカウントパターンの形で、ネットワークの隠蔽層の内部活性化を特徴付ける。 入力インスタンスのどの部分が最もOoDサンプルとして検出されるかを明らかにする属性マップを作成するために,局所的な説明法が考案された。
  論文  参考訳（メタデータ） (2022-09-30T11:16:35Z)
• Query-Guided Networks for Few-shot Fine-grained Classification and Person Search [93.80556485668731]
  微粒な分類や人物検索は、個別のタスクとして現れ、文学はそれらを別々に扱ってきた。 両タスクに適用可能な新しい統合クエリガイドネットワーク(QGN)を提案する。 QGNは、最近の数ショットのきめ細かいデータセットを改善し、CUB上の他のテクニックを大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2022-09-21T10:25:32Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• CSFCube -- A Test Collection of Computer Science Research Articles for Faceted Query by Example [43.01717754418893]
  例によるフェーステッドクエリのタスクを紹介します。 ユーザは、入力クエリドキュメントに加えて、より細かいアスペクトを指定することもできる。 我々は,クエリ科学論文に類似した科学的論文を検索できるモデルを構想する。
  論文  参考訳（メタデータ） (2021-03-24T01:02:12Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Adaptive Attentional Network for Few-Shot Knowledge Graph Completion [16.722373937828117]
  Few-shot Knowledge Graph (KG) の完成は、現在の研究の焦点であり、各タスクは、数少ない参照エンティティペアを考えると、関係の見えない事実をクエリすることを目的としている。 最近の試みでは、エンティティと参照の静的表現を学習し、それらの動的特性を無視してこの問題を解決している。 本研究は,適応実体と参照表現を学習することにより,数ショットのKG補完のための適応的注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-19T16:27:48Z)
• Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
  グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
  論文  参考訳（メタデータ） (2020-06-23T04:13:23Z)
• Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
  グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。 本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-27T08:32:16Z)

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。