Fugu-MT 論文翻訳(概要): Benchmarking Graph Neural Networks on Link Prediction

論文の概要: Benchmarking Graph Neural Networks on Link Prediction

arxiv url: http://arxiv.org/abs/2102.12557v1
Date: Wed, 24 Feb 2021 20:57:16 GMT
ステータス: 処理完了
システム内更新日: 2021-02-27 08:02:52.116775
Title: Benchmarking Graph Neural Networks on Link Prediction
Title（参考訳）: リンク予測に基づくグラフニューラルネットワークのベンチマーク
Authors: Xing Wang, Alexander Vinel
Abstract要約: リンク予測のための異なるデータセット上で,既存のグラフニューラルネットワーク(GNN)モデルをベンチマークする。実験により,これらのGNNアーキテクチャは,リンク予測タスクの様々なベンチマークでも同様に動作することを示す。
参考スコア（独自算出の注目度）: 80.2049358846658
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: In this paper, we benchmark several existing graph neural network (GNN) models on different datasets for link predictions. In particular, the graph convolutional network (GCN), GraphSAGE, graph attention network (GAT) as well as variational graph auto-encoder (VGAE) are implemented dedicated to link prediction tasks, in-depth analysis are performed, and results from several different papers are replicated, also a more fair and systematic comparison are provided. Our experiments show these GNN architectures perform similarly on various benchmarks for link prediction tasks.
Abstract（参考訳）: 本稿では,既存のグラフニューラルネットワーク(gnn)モデルを,異なるデータセット上でリンク予測のためにベンチマークする。特に、グラフ畳み込みネットワーク(GCN)、グラフSAGE、グラフ注意ネットワーク(GAT)、変分グラフ自動エンコーダ(VGAE)は、リンク予測タスク専用に実装され、詳細な分析が行われ、いくつかの異なる論文の結果が複製され、より公正で体系的な比較が提供されます。実験により,これらのGNNアーキテクチャは,リンク予測タスクの様々なベンチマークでも同様に動作することを示す。

関連論文リスト

Generative Graph Neural Networks for Link Prediction [13.643916060589463]
欠落したリンクを推測したり、観測されたグラフに基づいて急激なリンクを検出することは、グラフデータ分析における長年の課題である。本稿では,GraphLPと呼ばれるネットワーク再構成理論に基づく,新しい,根本的に異なるリンク予測アルゴリズムを提案する。リンク予測に使用される識別ニューラルネットワークモデルとは異なり、GraphLPは生成可能であり、ニューラルネットワークベースのリンク予測の新しいパラダイムを提供する。
論文参考訳（メタデータ） (2022-12-31T10:07:19Z)
Relation Embedding based Graph Neural Networks for Handling Heterogeneous Graph [58.99478502486377]
我々は、同種GNNが不均一グラフを扱うのに十分な能力を持つように、シンプルで効率的なフレームワークを提案する。具体的には、エッジ型関係と自己ループ接続の重要性を埋め込むために、関係1つのパラメータのみを使用する関係埋め込みベースのグラフニューラルネットワーク(RE-GNN)を提案する。
論文参考訳（メタデータ） (2022-09-23T05:24:18Z)
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)
Taxonomy of Benchmarks in Graph Representation Learning [14.358071994798964]
グラフニューラルネットワーク(GNN)は、その固有の幾何学を考慮し、ニューラルネットワークの成功をグラフ構造化データに拡張する。現在、グラフ表現学習ベンチマークによって、与えられたモデルのどの側面が調査されているかはよく分かっていない。本稿では,グラフの摂動によってGNNの性能がどれだけ変化するかに基づいて,$textitsensitivity profile$に従ってベンチマークデータセットを分類する手法を開発した。
論文参考訳（メタデータ） (2022-06-15T18:01:10Z)
wsGAT: Weighted and Signed Graph Attention Networks for Link Prediction [0.0]
グラフニューラルネットワーク(GNN)は、グラフの表現を学習し、現実世界の多くの問題に取り組むために広く利用されている。我々は,グラフアテンションネットワーク(GAT)層の拡張であるwsGATを提案し,符号付きおよび重み付きリンクでグラフを処理する。以上の結果から,wsGAT層を用いたモデルはGCNII層やSGCN層よりも優れており,符号付き重みが予測されると性能が低下しないことがわかった。
論文参考訳（メタデータ） (2021-09-21T12:07:51Z)
Data-Driven Learning of Geometric Scattering Networks [74.3283600072357]
最近提案された幾何散乱変換の緩和に基づく新しいグラフニューラルネットワーク(GNN)モジュールを提案する。我々の学習可能な幾何散乱(LEGS)モジュールは、ウェーブレットの適応的なチューニングを可能にし、学習された表現に帯域通過の特徴が現れるように促す。
論文参考訳（メタデータ） (2020-10-06T01:20:27Z)
A comparative study of similarity-based and GNN-based link prediction approaches [1.0441880303257467]
グラフニューラルネットワーク(GNN)は、グラフ内のリンク予測タスクに使用できるグラフから隠れた特徴を学習することができる。本稿では、同次グラフの領域における類似性とGNNに基づくリンク予測手法について検討する。
論文参考訳（メタデータ） (2020-08-20T10:41:53Z)
Improving the Long-Range Performance of Gated Graph Neural Networks [29.84360748077222]
マルチリレーショナルグラフにおける長距離依存性の処理能力を改善した新しいGNNアーキテクチャを提案する。異なる合成タスクの実験的解析により、提案アーキテクチャがいくつかの一般的なGNNモデルより優れていることが示された。
論文参考訳（メタデータ） (2020-07-19T13:25:38Z)
Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
数発のアウトオブグラフリンク予測という現実的な問題を導入する。我々は,新しいメタ学習フレームワークによってこの問題に対処する。我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
論文参考訳（メタデータ） (2020-06-11T17:42:46Z)
Graphs, Convolutions, and Neural Networks: From Graph Filters to Graph Neural Networks [183.97265247061847]
我々はグラフ信号処理を活用してグラフニューラルネットワーク(GNN)の表現空間を特徴付ける。 GNNにおけるグラフ畳み込みフィルタの役割について議論し、そのようなフィルタで構築されたアーキテクチャは、置換同値の基本的な性質と位相変化に対する安定性を持つことを示す。また,ロボット群に対するリコメンデータシステムや分散型コントローラの学習におけるGNNの利用について検討した。
論文参考訳（メタデータ） (2020-03-08T13:02:15Z)

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。