論文の概要: Community Detection in General Hypergraph via Graph Embedding
- arxiv url: http://arxiv.org/abs/2103.15035v1
- Date: Sun, 28 Mar 2021 03:23:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 15:24:02.030408
- Title: Community Detection in General Hypergraph via Graph Embedding
- Title（参考訳）: グラフ埋め込みによる一般ハイパーグラフのコミュニティ検出
- Authors: Yaoming Zhen and Junhui Wang
- Abstract要約: 本研究では,一般のハイパーグラフネットワーク,均一あるいは非均一なコミュニティ構造を検出する新しい方法を提案する。
提案手法では,非一様ハイパーグラフを均一なマルチハイパーグラフに拡張するヌルを導入し,低次元ベクトル空間にマルチハイパーグラフを埋め込む。
- 参考スコア（独自算出の注目度）: 1.4213973379473654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Network data has attracted tremendous attention in recent years, and most
conventional networks focus on pairwise interactions between two vertices.
However, real-life network data may display more complex structures, and
multi-way interactions among vertices arise naturally. In this article, we
propose a novel method for detecting community structure in general hypergraph
networks, uniform or non-uniform. The proposed method introduces a null vertex
to augment a non-uniform hypergraph into a uniform multi-hypergraph, and then
embeds the multi-hypergraph in a low-dimensional vector space such that
vertices within the same community are close to each other. The resultant
optimization task can be efficiently tackled by an alternative updating scheme.
The asymptotic consistencies of the proposed method are established in terms of
both community detection and hypergraph estimation, which are also supported by
numerical experiments on some synthetic and real-life hypergraph networks.
- Abstract（参考訳）: 近年,ネットワークデータに注目が集まっており,従来のネットワークは2つの頂点間のペアワイズインタラクションに注目している。
しかし、実際のネットワークデータはより複雑な構造を示し、頂点間の多方向相互作用は自然に発生する。
本稿では,一般ハイパーグラフネットワーク,均一型,非一様型のコミュニティ構造を検出する手法を提案する。
提案手法では,非一様超グラフを一様多重超グラフに拡張するためにヌル頂点を導入し,その多重超グラフを低次元ベクトル空間に埋め込み,同一コミュニティ内の頂点が互いに近接する。
結果最適化タスクは、代替更新スキームによって効率的に取り組める。
提案手法の漸近成分は,コミュニティ検出とハイパーグラフ推定の両面で確立され,いくつかの合成および実生活ハイパーグラフネットワークにおける数値実験でも支持されている。
関連論文リスト
- Hypergraph Transformer for Semi-Supervised Classification [50.92027313775934]
我々は新しいハイパーグラフ学習フレームワークHyperGraph Transformer(HyperGT)を提案する。
HyperGTはTransformerベースのニューラルネットワークアーキテクチャを使用して、すべてのノードとハイパーエッジのグローバル相関を効果的に検討する。
局所接続パターンを保ちながら、グローバルな相互作用を効果的に組み込むことで、包括的なハイパーグラフ表現学習を実現する。
論文 参考訳（メタデータ） (2023-12-18T17:50:52Z) - BOURNE: Bootstrapped Self-supervised Learning Framework for Unified
Graph Anomaly Detection [50.26074811655596]
自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。
ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。
BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
論文 参考訳（メタデータ） (2023-07-28T00:44:57Z) - From Hypergraph Energy Functions to Hypergraph Neural Networks [94.88564151540459]
パラメータ化されたハイパーグラフ正規化エネルギー関数の表現型族を示す。
次に、これらのエネルギーの最小化がノード埋め込みとして効果的に機能することを実証する。
提案した双レベルハイパーグラフ最適化と既存のGNNアーキテクチャを共通的に用いている。
論文 参考訳（メタデータ） (2023-06-16T04:40:59Z) - DualHGNN: A Dual Hypergraph Neural Network for Semi-Supervised Node
Classification based on Multi-View Learning and Density Awareness [3.698434507617248]
グラフに基づく半教師付きノード分類は、研究価値と重要性の高い多くのアプリケーションにおいて最先端のアプローチであることが示されている。
本稿では、ハイパーグラフ構造学習とハイパーグラフ表現学習を同時に統合した新しいデュアル接続モデルであるデュアルハイパーグラフニューラルネットワーク(DualHGNN)を提案する。
論文 参考訳（メタデータ） (2023-06-07T07:40:04Z) - Tensorized Hypergraph Neural Networks [69.65385474777031]
我々は,新しいアジャケーシテンソルベースのtextbfTensorized textbfHypergraph textbfNeural textbfNetwork (THNN) を提案する。
THNNは高次外装機能パッシングメッセージを通じて、忠実なハイパーグラフモデリングフレームワークである。
3次元視覚オブジェクト分類のための2つの広く使われているハイパーグラフデータセットの実験結果から、モデルの有望な性能を示す。
論文 参考訳（メタデータ） (2023-06-05T03:26:06Z) - Learning Hypergraphs From Signals With Dual Smoothness Prior [32.57393976907129]
観測信号から意味のあるハイパーグラフトポロジを推定する枠組みを提案する。
提案手法は,観測信号から有意義なハイパーグラフトポロジを効率的に推定することができる。
論文 参考訳（メタデータ） (2022-11-03T11:13:02Z) - Hypergraph Convolutional Networks via Equivalency between Hypergraphs
and Undirected Graphs [59.71134113268709]
本稿では,EDVWおよびEIVWハイパーグラフを処理可能な一般学習フレームワークであるGeneral Hypergraph Spectral Convolution(GHSC)を提案する。
本稿では,提案するフレームワークが最先端の性能を達成できることを示す。
ソーシャルネットワーク分析,視覚的客観的分類,タンパク質学習など,様々な分野の実験により,提案手法が最先端の性能を達成できることが実証された。
論文 参考訳（メタデータ） (2022-03-31T10:46:47Z) - Love tHy Neighbour: Remeasuring Local Structural Node Similarity in
Hypergraph-Derived Networks [2.246222223318928]
ノードペア間のハイパーグラフ指向の類似度スコアを複数提案する。
グラフトポロジーに基づくスコアをハイパーグラフに拡張するための理論的定式化を提供する。
論文 参考訳（メタデータ） (2021-10-30T14:12:58Z) - A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。
AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。
本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
論文 参考訳（メタデータ） (2021-05-22T07:05:48Z) - NetVec: A Scalable Hypergraph Embedding System [1.8979377273990425]
スケーラブルな非監視ハイパーグラフ埋め込みのための新しいフレームワークであるNetVecを紹介します。
我々は、NetVecがグラフ埋め込みアルゴリズムと結合して、数百万のノードとハイパーエッジを数分で埋め込むことができることを示す。
論文 参考訳（メタデータ） (2021-03-09T18:06:56Z) - Learning over Families of Sets -- Hypergraph Representation Learning for
Higher Order Tasks [12.28143554382742]
可変サイズのハイパーエッジの表現を実証的に表現するためのハイパーグラフニューラルネットワークを開発した。
複数の実世界のハイパーグラフデータセットのパフォーマンスを評価し、最新モデルよりも一貫性のある大幅な精度向上を実証します。
論文 参考訳（メタデータ） (2021-01-19T18:37:50Z)
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。