Fugu-MT 論文翻訳(概要): Overlapping and nonoverlapping models

論文の概要: Overlapping and nonoverlapping models

arxiv url: http://arxiv.org/abs/2111.01392v1
Date: Tue, 2 Nov 2021 06:36:52 GMT
ステータス: 処理完了
システム内更新日: 2021-11-03 15:07:23.767297
Title: Overlapping and nonoverlapping models
Title（参考訳）: オーバーラップモデルと非オーバーラップモデル
Authors: Huan Qing
Abstract要約: 以前の研究では、全てのノードが重複する特性を持つ有向ネットワークをモデル化するには、識別可能性のために$K_r=K_c$が必要であることが判明した。本稿では,列ノードが重なり合う特性を持つ有向ネットワークを列ノードが持たない場合の重なりと非重なりのモデルを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Consider a directed network with $K_{r}$ row communities and $K_{c}$ column communities. Previous works found that modeling directed networks in which all nodes have overlapping property requires $K_{r}=K_{c}$ for identifiability. In this paper, we propose an overlapping and nonoverlapping model to study directed networks in which row nodes have overlapping property while column nodes do not. The proposed model is identifiable when $K_{r}\leq K_{c}$. Meanwhile, we provide one identifiable model as extension of ONM to model directed networks with variation in node degree. Two spectral algorithms with theoretical guarantee on consistent estimations are designed to fit the models. A small scale of numerical studies are used to illustrate the algorithms.
Abstract（参考訳）: k_{r}$行コミュニティと$k_{c}$列コミュニティを持つ有向ネットワークを考える。以前の研究では、すべてのノードが重複するプロパティを持つ有向ネットワークのモデリングには、識別性のために$k_{r}=k_{c}$が必要であることがわかった。本稿では,列ノードが重複する特性を持つ有向ネットワークについて,列ノードが重複しない場合のオーバラップ・非オーバラップモデルを提案する。提案されたモデルは、$k_{r}\leq k_{c}$で識別できる。一方,ノード次数が変化する有向ネットワークに対して,onmの拡張として1つの識別可能なモデルを提供する。一貫した推定に関する理論的保証を持つ2つのスペクトルアルゴリズムは、モデルに適合するように設計されている。アルゴリズムを説明するために、小さな数値的な研究が用いられる。

関連論文リスト

GraphViz2Vec: A Structure-aware Feature Generation Model to Improve Classification in GNNs [2.0823678201707034]
GNNはノード分類やリンク予測など,さまざまなタスクの解決に広く利用されている。本稿では,ノードの近傍構造情報を抽出する特徴抽出手法GraphViz2Vecを提案する。これらの初期埋め込みは、様々な分類タスクにおいて、既存のモデルが最先端の結果を達成するのに役立つ。
論文参考訳（メタデータ） (2024-01-30T17:11:04Z)
Nested stochastic block model for simultaneously clustering networks and nodes [9.860884833526407]
ネットワークの集合をクラスタ化すると同時に,各ネットワーク内のコミュニティを同時に検出するために,ネストブロックモデル(NSBM)を導入する。 NSBMには、潜在的に異なるノードセットを持つ未ラベルネットワークで動作する機能など、いくつかの魅力的な機能がある。
論文参考訳（メタデータ） (2023-07-18T12:46:34Z)
GrOVe: Ownership Verification of Graph Neural Networks using Embeddings [13.28269672097063]
グラフニューラルネットワーク(GNN)は、大規模グラフ構造化データから推論をモデル化および描画するための最先端のアプローチとして登場した。以前の研究によると、GNNは抽出攻撃をモデル化する傾向がある。 GrOVeは最先端のGNNモデルフィンガープリント方式である。
論文参考訳（メタデータ） (2023-04-17T19:06:56Z)
GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
論文参考訳（メタデータ） (2022-12-01T11:49:07Z)
Recurrent segmentation meets block models in temporal networks [2.4511852052357628]
実世界のネットワークは、$H$を下げたときに劣化しない可能性があるため、繰り返しの動作を示す。我々は、データセット毎に$O(KHm + Rn + R2H)$時間を必要とする反復アルゴリズムを提案し、$n$と$m$はネットワーク内のノード数とエッジ数である。
論文参考訳（メタデータ） (2022-05-19T21:10:52Z)
Explicit Pairwise Factorized Graph Neural Network for Semi-Supervised Node Classification [59.06717774425588]
本稿では,グラフ全体を部分的に観測されたマルコフ確率場としてモデル化するEPFGNN(Explicit Pairwise Factorized Graph Neural Network)を提案する。出力-出力関係をモデル化するための明示的なペアワイズ要素を含み、入力-出力関係をモデル化するためにGNNバックボーンを使用する。本研究では,グラフ上での半教師付きノード分類の性能を効果的に向上できることを示す。
論文参考訳（メタデータ） (2021-07-27T19:47:53Z)
On the Generative Utility of Cyclic Conditionals [103.1624347008042]
2つの条件付きモデル$p(x|z)$を用いて、共同分布$p(x,z)$をモデル化できるかどうか、また、どのようにしてサイクルを形成するかを検討する。本稿では,周期条件生成モデリングのためのCyGenフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-30T10:23:45Z)
Interpreting Graph Neural Networks for NLP With Differentiable Edge Masking [63.49779304362376]
グラフニューラルネットワーク(GNN)は、構造的帰納バイアスをNLPモデルに統合する一般的なアプローチとなっている。本稿では,不要なエッジを識別するGNNの予測を解釈するポストホック手法を提案する。モデルの性能を劣化させることなく,多数のエッジを落とせることを示す。
論文参考訳（メタデータ） (2020-10-01T17:51:19Z)
Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
論文参考訳（メタデータ） (2020-07-07T03:36:28Z)
Consistency of Spectral Clustering on Hierarchical Stochastic Block Models [5.983753938303726]
実世界のネットワークにおけるコミュニティの階層構造について,汎用ブロックモデルを用いて検討する。本手法の強い一貫性を,幅広いモデルパラメータで証明する。既存のほとんどの研究とは異なり、我々の理論は接続確率が桁違いに異なるかもしれないマルチスケールネットワークをカバーしている。
論文参考訳（メタデータ） (2020-04-30T01:08:59Z)
Unifying Graph Convolutional Neural Networks and Label Propagation [73.82013612939507]
LPAとGCNの関係を特徴・ラベルの平滑化と特徴・ラベルの影響の2点の観点から検討した。理論解析に基づいて,ノード分類のためのGCNとLCAを統一するエンドツーエンドモデルを提案する。我々のモデルは、既存の特徴に基づく注目モデルよりもタスク指向のノードラベルに基づく学習注意重みと見なすこともできる。
論文参考訳（メタデータ） (2020-02-17T03:23:13Z)

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。