Fugu-MT 論文翻訳(概要): Memory and Capacity of Graph Embedding Methods

論文の概要: Memory and Capacity of Graph Embedding Methods

arxiv url: http://arxiv.org/abs/2208.08769v3
Date: Sat, 13 May 2023 22:39:07 GMT
ステータス: 処理完了
システム内更新日: 2023-05-17 01:02:45.638050
Title: Memory and Capacity of Graph Embedding Methods
Title（参考訳）: グラフ埋め込み法のメモリと容量
Authors: Frank Qiu
Abstract要約: 『製品によるグラフィカルな埋め込み』と略オルソノーマル法典』が1紙にまとめられている。毎週のNewsquizを使って、CNN.comで見たストーリーの知識をテストする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: THIS PAPER IS NOW DEFUNCT: Check out "Graph Embeddings via Tensor Products and Approximately Orthonormal Codes", where it has been combined into one paper.
Abstract（参考訳）: テンソル製品とおよそオーソノーマルコードによるグラフ埋め込み(Graph Embeddings via Tensor Products and A roughly Orthonormal Codes)を参照してください。

関連論文リスト

Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
論文参考訳（メタデータ） (2024-01-12T17:57:07Z)
causalgraph: A Python Package for Modeling, Persisting and Visualizing Causal Graphs Embedded in Knowledge Graphs [0.0]
本稿では,知識グラフに埋め込まれた因果グラフのモデリングと保存のための,因果グラフという新しいPythonパッケージについて述べる。このパッケージは因果関係の発見や因果関係の推論といった因果関係のインターフェイスを提供するように設計されている。
論文参考訳（メタデータ） (2023-01-20T09:36:32Z)
GraphCoCo: Graph Complementary Contrastive Learning [65.89743197355722]
グラフコントラスト学習(GCL)は、手作業によるアノテーションの監督なしに、グラフ表現学習(GRL)において有望な性能を示した。本稿では,この課題に対処するため,グラフココというグラフ補完型コントラスト学習手法を提案する。
論文参考訳（メタデータ） (2022-03-24T02:58:36Z)
Graph autoencoder with constant dimensional latent space [0.0]
大きいグラフの不変次元ベクトル(埋め込み)への可逆変換は依然として挑戦である。本稿では,再帰ニューラルネットワーク(エンコーダとデコーダ)で処理する。エンコーダネットワークは、サブグラフの埋め込みをより大きなサブグラフの埋め込みに変換し、最終的には入力グラフの埋め込みに変換する。
論文参考訳（メタデータ） (2022-01-28T14:58:53Z)
Graph Encoder Embedding [11.980640637972266]
本稿では,高速なグラフエンコーダ埋め込み方式を提案する。提案手法は、線形計算複雑性と、標準PC上で数分で数十億のエッジを処理する能力を有する。スピードアップは埋め込み性能を犠牲にすることなく達成される。
論文参考訳（メタデータ） (2021-09-27T14:49:44Z)
A Neural Edge-Editing Approach for Document-Level Relation Graph Extraction [9.449257113935461]
文書内の関係をエンティティ間の関係グラフとして扱う。関係グラフは、初期グラフのエッジを編集することによって反復的に構成される。エッジを編集する方法は、それらをクローズファーストな方法で分類することです。
論文参考訳（メタデータ） (2021-06-18T03:46:49Z)
Sketch-Based Anomaly Detection in Streaming Graphs [89.52200264469364]
動的グラフからのグラフエッジのストリームを前提に、オンライン形式でエッジやサブグラフに異常スコアを割り当てるにはどうすればよいのか? 本手法は,高密度部分グラフ探索を取り入れた最初のストリーミング手法であり,一定時間におけるグラフ異常を検出する。
論文参考訳（メタデータ） (2021-06-08T16:10:36Z)
Learning to map source code to software vulnerability using code-as-a-graph [67.62847721118142]
セキュリティの観点からソースコードのニュアンス学習におけるグラフニューラルネットワークの適用性について検討する。我々は,既存のコード・アズ・フォトや線形シーケンスの符号化手法よりも,脆弱性検出に有効なコード・アズ・グラフの符号化法を示す。
論文参考訳（メタデータ） (2020-06-15T16:05:27Z)
Heuristic Semi-Supervised Learning for Graph Generation Inspired by Electoral College [80.67842220664231]
本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
論文参考訳（メタデータ） (2020-06-10T14:48:48Z)
Unsupervised Graph Embedding via Adaptive Graph Learning [85.28555417981063]
グラフオートエンコーダ(GAE)は、グラフ埋め込みのための表現学習において強力なツールである。本稿では,2つの新しい教師なしグラフ埋め込み法,適応グラフ学習(BAGE)による教師なしグラフ埋め込み,変分適応グラフ学習(VBAGE)による教師なしグラフ埋め込みを提案する。いくつかのデータセットに関する実験的研究により、我々の手法がノードクラスタリング、ノード分類、グラフ可視化タスクにおいて、ベースラインよりも優れていることが実証された。
論文参考訳（メタデータ） (2020-03-10T02:33:14Z)

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。