論文の概要: A Survey on Role-Oriented Network Embedding

• arxiv url: http://arxiv.org/abs/2107.08379v1
• Date: Sun, 18 Jul 2021 06:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-20 14:48:22.292670
• Title: A Survey on Role-Oriented Network Embedding
• Title（参考訳）: 役割指向型ネットワーク埋め込みに関する調査
• Authors: Pengfei Jiao, Xuan Guo, Ting Pan, Wang Zhang, Yulong Pei
• Abstract要約: Network Embedding (NE)は、機械学習とデータマイニングにおいて最も魅力的な研究トピックの1つになっている。 本稿ではまず,コミュニティ指向と役割指向のNEメソッドの違いを明らかにする。 次に、役割指向NEを理解するための一般的なフレームワークと、既存のメソッドをよりよく分類するための2段階の分類を提案する。
• 参考スコア（独自算出の注目度）: 5.936530159506948
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, Network Embedding (NE) has become one of the most attractive research topics in machine learning and data mining. NE approaches have achieved promising performance in various of graph mining tasks including link prediction and node clustering and classification. A wide variety of NE methods focus on the proximity of networks. They learn community-oriented embedding for each node, where the corresponding representations are similar if two nodes are closer to each other in the network. Meanwhile, there is another type of structural similarity, i.e., role-based similarity, which is usually complementary and completely different from the proximity. In order to preserve the role-based structural similarity, the problem of role-oriented NE is raised. However, compared to community-oriented NE problem, there are only a few role-oriented embedding approaches proposed recently. Although less explored, considering the importance of roles in analyzing networks and many applications that role-oriented NE can shed light on, it is necessary and timely to provide a comprehensive overview of existing role-oriented NE methods. In this review, we first clarify the differences between community-oriented and role-oriented network embedding. Afterwards, we propose a general framework for understanding role-oriented NE and a two-level categorization to better classify existing methods. Then, we select some representative methods according to the proposed categorization and briefly introduce them by discussing their motivation, development and differences. Moreover, we conduct comprehensive experiments to empirically evaluate these methods on a variety of role-related tasks including node classification and clustering (role discovery), top-k similarity search and visualization using some widely used synthetic and real-world datasets...
• Abstract（参考訳）: 最近、Network Embedding (NE)は機械学習とデータマイニングにおいて最も魅力的な研究トピックの1つになっている。 NEアプローチは,リンク予測やノードクラスタリング,分類など,さまざまなグラフマイニングタスクにおいて,有望なパフォーマンスを実現している。 様々なNE手法がネットワークの近接に重点を置いている。 それぞれのノードに対するコミュニティ指向の埋め込みを学習し、ネットワーク内の2つのノードが互いに近い場合、対応する表現は類似する。 一方、他のタイプの構造的類似性、すなわち役割に基づく類似性があり、これは概して相補的であり、近接とは全く異なる。 役割に基づく構造的類似性を維持するために、役割指向NEの問題を提起する。 しかし、コミュニティ指向のne問題と比較すると、最近提案されている役割指向の組み込みアプローチはごくわずかである。 ネットワーク解析における役割の重要性や、役割指向NEが光を当てることができる多くのアプリケーションを考えると、既存の役割指向NEメソッドの包括的な概要を提供する必要がある。 本稿ではまず,コミュニティ指向とロール指向のネットワーク埋め込みの違いを明らかにする。 その後、役割指向NEを理解するための一般的なフレームワークと、既存のメソッドをよりよく分類するための2段階分類を提案する。 そこで,提案した分類に従って代表的手法を選定し,その動機,展開,相違点について論じて紹介する。 さらに、これらの手法を、ノード分類やクラスタリング(ロール発見)、トップク類似性探索、可視化など、様々な役割関連タスクにおいて、広く使われている合成および実世界のデータセットを用いて実験的に評価する。

関連論文リスト

• Hierarchical Contrastive Learning Enhanced Heterogeneous Graph Neural Network [59.860534520941485]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、異種情報ネットワーク(HIN)を扱う能力に優れていた。 近年,自己指導型学習は最もエキサイティングな学習パラダイムの1つとなり,ラベルがない場合に大きな可能性を示す。 本稿では,自己教師型HGNNの問題点を考察し,HGNNのための新しいコントラスト学習機構であるHeCoを提案する。
  論文  参考訳（メタデータ） (2023-04-24T16:17:21Z)
• Unsupervised Heterophilous Network Embedding via $r$-Ego Network Discrimination [7.220232621673462]
  本稿では,ホモフィリ比が既存の教師なしNE法の性能に与える影響について,最初の実証的研究を紹介する。 本稿では,ノード属性とネットワーク構造情報を融合するデュアルチャネル機能埋め込み機構を提案する。 われわれは、12ドルの現実世界と20ドルの合成ネットワークに関する広範な実験と一連のアブレーション研究を行っている。
  論文  参考訳（メタデータ） (2022-03-21T10:40:44Z)
• Embedding Node Structural Role Identity Using Stress Majorization [8.485373271217606]
  ネットワークにおける高次元の役割のアイデンティティを直接変換する新しい枠組みを提案する。 我々の手法は、特定の構造的類似性の定義に依存しない、柔軟である。 実験の結果,本フレームワークはノードロール表現の学習において,既存の手法よりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-14T23:48:16Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
  ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。 既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。 フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
  論文  参考訳（メタデータ） (2021-01-03T02:32:45Z)
• Understanding the wiring evolution in differentiable neural architecture search [114.31723873105082]
  識別可能なニューラルネットワーク探索手法が配線トポロジを効果的に発見するかどうかについては議論がある。 既存の差別化可能なNASフレームワークの基盤メカニズムについて検討する。
  論文  参考訳（メタデータ） (2020-09-02T18:08:34Z)
• Next Waves in Veridical Network Embedding [4.544287346584366]
  本稿では,ネットワーク埋め込みアルゴリズムの枠組みを提案し,予測可能性,計算可能性,安定性の原理がどのように適用されるかについて議論する。 ネットワーク埋め込みにおけるこのフレームワークの利用は、将来の研究へのモチベーションと新たな方向性を示す可能性を秘めている。
  論文  参考訳（メタデータ） (2020-07-10T13:41:48Z)
• Unsupervised Differentiable Multi-aspect Network Embedding [52.981277420394846]
  本稿では,asp2vecと呼ばれるマルチアスペクトネットワーク埋め込みのための新しいエンドツーエンドフレームワークを提案する。 提案するフレームワークは容易に異種ネットワークに拡張できる。
  論文  参考訳（メタデータ） (2020-06-07T19:26:20Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Heterogeneous Network Representation Learning: A Unified Framework with Survey and Benchmark [57.10850350508929]
  我々は、異種ネットワーク埋め込み(HNE)に関する既存の研究を要約し、評価するための統一的なフレームワークを提供することを目指している。 最初のコントリビューションとして、既存のHNEアルゴリズムのメリットを体系的に分類し分析するための一般的なパラダイムを提供する。 第2のコントリビューションとして、さまざまなソースから、スケール、構造、属性/ラベルの可用性などに関するさまざまな特性を備えた4つのベンチマークデータセットを作成します。 第3のコントリビューションとして、13の人気のあるHNEアルゴリズムに対するフレンドリなインターフェースを作成し、複数のタスクと実験的な設定に対して、それらの全周比較を提供する。
  論文  参考訳（メタデータ） (2020-04-01T03:42:11Z)

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。