論文の概要: Graph Neural Networks: a bibliometrics overview

• arxiv url: http://arxiv.org/abs/2201.01188v1
• Date: Mon, 3 Jan 2022 07:37:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-05 22:54:16.050559
• Title: Graph Neural Networks: a bibliometrics overview
• Title（参考訳）: Graph Neural Networks: バイオメトリックスの概要
• Authors: Abdalsamad Keramatfar, Mohadeseh Rafiee, Hossein Amirkhani
• Abstract要約: 本研究は,GNN研究の動向を定量的かつ質的に評価することを目的としている。 アメリカ、中国、カナダでは最も多産または影響の大きい機関が発見されている。 グラフ畳み込みネットワークとアテンション機構の応用は、現在、GNN研究のホットトピックとなっている。
• 参考スコア（独自算出の注目度）: 0.6445605125467572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, graph neural networks have become a hot topic in machine learning community. This paper presents a Scopus based bibliometric overview of the GNNs research since 2004, when GNN papers were first published. The study aims to evaluate GNN research trend, both quantitatively and qualitatively. We provide the trend of research, distribution of subjects, active and influential authors and institutions, sources of publications, most cited documents, and hot topics. Our investigations reveal that the most frequent subject categories in this field are computer science, engineering, telecommunications, linguistics, operations research and management science, information science and library science, business and economics, automation and control systems, robotics, and social sciences. In addition, the most active source of GNN publications is Lecture Notes in Computer Science. The most prolific or impactful institutions are found in the United States, China, and Canada. We also provide must read papers and future directions. Finally, the application of graph convolutional networks and attention mechanism are now among hot topics of GNN research.
• Abstract（参考訳）: 近年、グラフニューラルネットワークは機械学習コミュニティでホットな話題となっている。 本稿では,2004年にGNN論文が最初に発表されて以来の,スコパスに基づくGNN研究の概要について述べる。 本研究は,GNN研究の動向を定量的かつ質的に評価することを目的とする。 我々は、研究の動向、主題の分布、活発で影響力のある著者や機関、出版元、最も引用された文書、ホットトピックを提供する。 本研究は, コンピュータ科学, 工学, 電気通信, 言語学, 運用研究と経営科学, 情報科学と図書館科学, ビジネスと経済学, 自動化と制御システム, ロボット工学, 社会科学など, この分野で最も多い分野であることを示す。 さらに、GNN出版物の最も活発な情報源はコンピュータ科学における講義ノートである。 アメリカ、中国、カナダでは最も多産または影響の大きい機関が発見されている。 論文や今後の方向性も提供します。 最後に、グラフ畳み込みネットワークとアテンション機構の適用は、現在GNN研究のホットトピックとなっている。

関連論文リスト

• Examining Different Research Communities: Authorship Network [0.0]
  コンピュータサイエンスの2つの異なる研究領域、データマイニングとソフトウェアエンジニアリングのためのGoogle Scholarデータを収集しました。 研究者データベースリソースは、ネットワーク分析、データマイニング、著者ネットワークを介して著者間のリンクを特定するために強力である。
  論文  参考訳（メタデータ） (2024-08-24T19:04:02Z)
• Graph Neural Networks for Brain Graph Learning: A Survey [53.74244221027981]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データのマイニングにおいて大きな優位性を示している。 脳障害解析のための脳グラフ表現を学習するGNNが最近注目を集めている。 本稿では,GNNを利用した脳グラフ学習の成果をレビューすることで,このギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2024-06-01T02:47:39Z)
• Information Flow in Graph Neural Networks: A Clinical Triage Use Case [49.86931948849343]
  グラフニューラルネットワーク(GNN)は、マルチモーダルグラフとマルチリレーショナルグラフを処理する能力によって、医療やその他の領域で人気を集めている。 GNNにおける埋め込み情報のフローが知識グラフ(KG)におけるリンクの予測に与える影響について検討する。 以上の結果から,ドメイン知識をGNN接続に組み込むことで,KGと同じ接続を使用する場合や,制約のない埋め込み伝搬を行う場合よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-09-12T09:18:12Z)
• A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection [98.41798478488101]
  時系列分析は、利用可能なデータに暗黙的な情報の富を解放するために不可欠である。 グラフニューラルネットワーク(GNN)の最近の進歩は、時系列解析のためのGNNベースのアプローチの急増につながっている。 この調査は、GNNベースの時系列研究に関する膨大な知識をまとめ、基礎、実践的応用、時系列分析のためのグラフニューラルネットワークの機会を強調します。
  論文  参考訳（メタデータ） (2023-07-07T08:05:03Z)
• A Bibliographic Study on Artificial Intelligence Research: Global Panorama and Indian Appearance [2.9895330439073406]
  この研究は、ニューラルネットワークとディープラーニングが、トップAI研究論文に含まれる主要なトピックであることを明らかにした。 この研究は、AI研究の観点からインドの研究者の相対的な位置についても調査している。
  論文  参考訳（メタデータ） (2023-07-04T05:08:36Z)
• Graph Neural Networks in Computer Vision -- Architectures, Datasets and Common Approaches [10.60034824788636]
  グラフニューラルネットワーク(GNN)は、グラフ上のノード間で存在するメカニズムにインスパイアされたグラフネットワークのファミリーである。 この貢献は、コンピュータビジョンに対するGNNベースのアプローチに関する論文を収集することを目的としている。
  論文  参考訳（メタデータ） (2022-12-20T12:40:29Z)
• Attention is All They Need: Exploring the Media Archaeology of the Computer Vision Research Paper [4.968848569103028]
  深層学習革命が学界に前例のない成長をもたらしたため、過去10年間にコンピュータビジョンの変化を研究してきた。 我々の分析は、研究論文要素がいかに広告、測定、普及に寄与するかという研究注意経済に焦点を当てている。
  論文  参考訳（メタデータ） (2022-09-22T17:42:44Z)
• Automatic Relation-aware Graph Network Proliferation [182.30735195376792]
  GNNを効率的に検索するためのARGNP(Automatic Relation-Aware Graph Network Proliferation)を提案する。 これらの操作は階層的なノード/リレーショナル情報を抽出し、グラフ上のメッセージパッシングのための異方的ガイダンスを提供する。 4つのグラフ学習タスクのための6つのデータセットの実験により、我々の手法によって生成されたGNNは、現在最先端の手作りおよび検索に基づくGNNよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-05-31T10:38:04Z)
• Graph-level Neural Networks: Current Progress and Future Directions [61.08696673768116]
  グラフレベルのニューラルネットワーク(GLNN、ディープラーニングベースのグラフレベルの学習法)は、高次元データのモデリングにおいて優れているため、魅力的である。 本稿では,深層ニューラルネットワーク,グラフニューラルネットワーク,グラフプール上でのGLNNを網羅する系統分類法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T06:16:55Z)
• FedGraphNN: A Federated Learning System and Benchmark for Graph Neural Networks [68.64678614325193]
  グラフニューラルネットワーク(GNN)の研究は、グラフ構造データから表現を学ぶGNNの能力のおかげで急速に成長しています。 GNNトレーニングのための大量の実世界のグラフデータを集中させることは、ユーザ側のプライバシー上の懸念から禁じられている。 GNNベースのFL研究を促進するためのオープンリサーチフェデレーション学習システムとベンチマークであるFedGraphNNを紹介します。
  論文  参考訳（メタデータ） (2021-04-14T22:11:35Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)

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。