論文の概要: Fast Community Detection based on Graph Autoencoder Reconstruction
- arxiv url: http://arxiv.org/abs/2203.03151v1
- Date: Mon, 7 Mar 2022 06:04:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 15:17:08.521987
- Title: Fast Community Detection based on Graph Autoencoder Reconstruction
- Title（参考訳）: グラフオートエンコーダ再構成に基づく高速コミュニティ検出
- Authors: Chenyang Qiu, Zhaoci Huang, Wenzhe Xu, Huijia Li
- Abstract要約: グラフオートエンコーダ再構成(GAER)に基づくコミュニティ検出フレームワークを提案する。
グラフオートエンコーダをベースとしたワンステップ符号化を2段階符号化フレームワークに分解し,実世界のビッグデータシステムに適用する。
さらに、リアルタイムな大規模グラフに対するピア認識に基づくモジュールを提案し、新しいノードコミュニティ検出を高速に実現する。
- 参考スコア（独自算出の注目度）: 0.4129225533930965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid development of big data, how to efficiently and accurately
discover tight community structures in large-scale networks for knowledge
discovery has attracted more and more attention. In this paper, a community
detection framework based on Graph AutoEncoder Reconstruction (noted as GAER)
is proposed for the first time. GAER is a highly scalable framework which does
not require any prior information. We decompose the graph autoencoder-based
one-step encoding into the two-stage encoding framework to adapt to the
real-world big data system by reducing complexity from the original O(N^2) to
O(N). At the same time, based on the advantages of GAER support module
plug-and-play configuration and incremental community detection, we further
propose a peer awareness based module for real-time large graphs, which can
realize the new nodes community detection at a faster speed, and accelerate
model inference with the 6.15 times - 14.03 times speed. Finally, we apply the
GAER on multiple real-world datasets, including some large-scale networks. The
experimental result verified that GAER has achieved the superior performance on
almost all networks.
- Abstract（参考訳）: ビッグデータの急速な発展に伴い、大規模ネットワークにおける知識発見のための厳密なコミュニティ構造を効率的に正確に発見する方法が注目されている。
本稿では,グラフオートエンコーダ再構成(GAER)に基づくコミュニティ検出フレームワークを初めて提案する。
GAERは、事前情報を必要としない高度にスケーラブルなフレームワークである。
グラフオートエンコーダベースのワンステップエンコーディングを2段階エンコーディングフレームワークに分解し,元のo(n^2)からo(n)への複雑さを低減し,実世界のビッグデータシステムに適用する。
同時にGAERサポートモジュールのプラグ・アンド・プレイ構成とインクリメンタルなコミュニティ検出の利点を生かして、より高速で新しいノードのコミュニティ検出を実現し、モデル推論を6.15倍から14.03倍の速度で高速化する、リアルタイムな大規模グラフのためのピア認識ベースのモジュールを提案する。
最後に、GAERを大規模ネットワークを含む複数の実世界のデータセットに適用する。
実験の結果、GAERは、ほぼ全てのネットワークで優れた性能を達成していることがわかった。
関連論文リスト
- XG-NID: Dual-Modality Network Intrusion Detection using a Heterogeneous Graph Neural Network and Large Language Model [5.298018090482744]
XG-NIDは異種グラフ構造内にフローレベルとパケットレベルのデータを融合する最初の方法である。
XG-NIDは、フローとパケットペイロードデータの複雑な関係を効果的に捉えながら、リアルタイムの推論を可能にする。
論文 参考訳（メタデータ） (2024-08-27T01:14:34Z) - Graph Transformers for Large Graphs [57.19338459218758]
この研究は、モデルの特徴と重要な設計制約を識別することに焦点を当てた、単一の大規模グラフでの表現学習を前進させる。
この研究の重要な革新は、局所的な注意機構と組み合わされた高速な近傍サンプリング技術の作成である。
ogbn-products と snap-patents の3倍の高速化と16.8%の性能向上を報告し、ogbn-100M で LargeGT を5.9% の性能改善で拡張した。
論文 参考訳（メタデータ） (2023-12-18T11:19:23Z) - RIDE: Real-time Intrusion Detection via Explainable Machine Learning
Implemented in a Memristor Hardware Architecture [24.824596231020585]
本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。
提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
論文 参考訳（メタデータ） (2023-11-27T17:30:19Z) - Unsupervised Graph Attention Autoencoder for Attributed Networks using
K-means Loss [0.0]
我々は、属性付きネットワークにおけるコミュニティ検出のための、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。
提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
論文 参考訳（メタデータ） (2023-11-21T20:45:55Z) - A Comprehensive Study on Large-Scale Graph Training: Benchmarking and
Rethinking [124.21408098724551]
グラフニューラルネットワーク(GNN)の大規模グラフトレーニングは、非常に難しい問題である
本稿では,既存の問題に対処するため,EnGCNという新たなアンサンブルトレーニング手法を提案する。
提案手法は,大規模データセット上でのSOTA(State-of-the-art)の性能向上を実現している。
論文 参考訳（メタデータ） (2022-10-14T03:43:05Z) - Simple and Efficient Heterogeneous Graph Neural Network [55.56564522532328]
不均一グラフニューラルネットワーク(HGNN)は、不均一グラフの豊富な構造的および意味的な情報をノード表現に埋め込む強力な能力を持つ。
既存のHGNNは、同種グラフ上のグラフニューラルネットワーク(GNN)から多くのメカニズム、特に注意機構と多層構造を継承する。
本稿では,これらのメカニズムを詳細に検討し,簡便かつ効率的なヘテロジニアスグラフニューラルネットワーク(SeHGNN)を提案する。
論文 参考訳（メタデータ） (2022-07-06T10:01:46Z) - VGAER: graph neural network reconstruction based community detection [0.37798600249187286]
本稿では,変分グラフオートエンコーダを用いたコミュニティ検出VGAERを提案する。
我々は,コミュニティ検出タスクに基づいて,対応する入力機能,デコーダ,下流タスクを設計した。
幅広いデータセットと高度な手法による一連の実験に基づいて、VGAERは優れた性能を達成し、よりシンプルな設計で強力な競争力と可能性を示している。
論文 参考訳（メタデータ） (2022-01-08T02:19:47Z) - Binary Graph Neural Networks [69.51765073772226]
グラフニューラルネットワーク(gnns)は、不規則データに対する表現学習のための強力で柔軟なフレームワークとして登場した。
本稿では,グラフニューラルネットワークのバイナライゼーションのための異なる戦略を提示し,評価する。
モデルの慎重な設計とトレーニングプロセスの制御によって、バイナリグラフニューラルネットワークは、挑戦的なベンチマークの精度において、適度なコストでトレーニングできることを示しています。
論文 参考訳（メタデータ） (2020-12-31T18:48:58Z) - Spatio-Temporal Inception Graph Convolutional Networks for
Skeleton-Based Action Recognition [126.51241919472356]
我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。
ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
論文 参考訳（メタデータ） (2020-11-26T14:43:04Z) - Hierarchical Message-Passing Graph Neural Networks [12.207978823927386]
本稿では,新しい階層型メッセージパッシンググラフニューラルネットワークフレームワークを提案する。
鍵となるアイデアは、フラットグラフ内のすべてのノードをマルチレベルなスーパーグラフに再編成する階層構造を生成することである。
階層型コミュニティ対応グラフニューラルネットワーク(HC-GNN)と呼ばれる,このフレームワークを実装した最初のモデルを提案する。
論文 参考訳（メタデータ） (2020-09-08T13:11:07Z) - Learning to Hash with Graph Neural Networks for Recommender Systems [103.82479899868191]
グラフ表現学習は、大規模に高品質な候補探索をサポートすることに多くの注目を集めている。
ユーザ・イテム相互作用ネットワークにおけるオブジェクトの埋め込みベクトルの学習の有効性にもかかわらず、連続的な埋め込み空間におけるユーザの好みを推測する計算コストは膨大である。
連続的かつ離散的なコードとを協調的に学習するための,単純かつ効果的な離散表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-04T06:59:56Z)
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。