論文の概要: CS-MLGCN : Multiplex Graph Convolutional Networks for Community Search in Multiplex Networks

• arxiv url: http://arxiv.org/abs/2210.08811v1
• Date: Mon, 17 Oct 2022 07:47:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 21:50:39.128488
• Title: CS-MLGCN : Multiplex Graph Convolutional Networks for Community Search in Multiplex Networks
• Title（参考訳）: CS-MLGCN : マルチプレックスネットワークにおけるコミュニティ検索のための多重グラフ畳み込みネットワーク
• Authors: Ali Behrouz, Farnoosh Hashemi
• Abstract要約: 本稿では,マルチプレクサネットワークにおけるクエリ駆動グラフ畳み込みネットワークCS-MLGCNを提案する。 地道なコミュニティを持つ実世界のグラフの実験は、得られるソリューションの品質を検証する。
• 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: Community Search (CS) is one of the fundamental tasks in network science and has attracted much attention due to its ability to discover personalized communities with a wide range of applications. Given any query nodes, CS seeks to find a densely connected subgraph containing query nodes. Most existing approaches usually study networks with a single type of proximity between nodes, which defines a single view of a network. However, in many applications such as biological, social, and transportation networks, interactions between objects span multiple aspects, yielding networks with multiple views, called multiplex networks. Existing CS approaches in multiplex networks adopt pre-defined subgraph patterns to model the communities, which cannot find communities that do not have such pre-defined patterns in real-world networks. In this paper, we propose a query-driven graph convolutional network in multiplex networks, CS-MLGCN, that can capture flexible community structures by learning from the ground-truth communities in a data-driven fashion. CS-MLGCN first combines the local query-dependent structure and global graph embedding in each type of proximity and then uses an attention mechanism to incorporate information on different types of relations. Experiments on real-world graphs with ground-truth communities validate the quality of the solutions we obtain and the efficiency of our model.
• Abstract（参考訳）: コミュニティ検索(community search, cs)は、ネットワーク科学における基本的なタスクのひとつであり、幅広いアプリケーションでパーソナライズされたコミュニティを見つける能力から、多くの注目を集めている。 問合せノードが与えられた場合、csは問合せノードを含む密結合部分グラフを探し出す。 既存のアプローチのほとんどは、ネットワークの単一のビューを定義するノード間の単一のタイプの近接性を持つネットワークを研究する。 しかし、生物学的、社会的、輸送ネットワークのような多くのアプリケーションでは、オブジェクト間の相互作用は複数の側面にまたがり、多重ネットワークと呼ばれる複数のビューを持つネットワークを生み出す。 マルチプレックスネットワークにおける既存のcsアプローチでは,事前定義されたサブグラフパターンを採用してコミュニティをモデル化している。 本稿では,マルチプレックスネットワークにおけるクエリ駆動グラフ畳み込みネットワークcs-mlgcnを提案する。 cs-mlgcnはまず、局所的なクエリ依存構造とグローバルグラフ埋め込みをそれぞれの近接型に結合し、次に注意機構を使用して異なる種類の関係に関する情報を取り込む。 地上コミュニティを用いた実世界のグラフ実験は、我々が獲得したソリューションの品質とモデルの効率を検証します。

関連論文リスト

• CS-TGN: Community Search via Temporal Graph Neural Networks [0.0]
  本稿では,フレキシブルなコミュニティ構造をキャプチャ可能なクエリ駆動型時間グラフ畳み込みネットワーク(CS-TGN)を提案する。 CS-TGNはまず、ローカルクエリ依存構造と、ネットワークの各スナップショットにグローバルグラフを埋め込む。 我々は,このモデルをオンライン環境でインタラクティブなコミュニティ検索に活用する方法を実証する。
  論文  参考訳（メタデータ） (2023-03-15T22:23:32Z)
• MGTCOM: Community Detection in Multimodal Graphs [0.34376560669160383]
  MGTCOMは、ネットワーク埋め込み、コミュニティ、およびタンデム内のコミュニティの数を最適化するエンドツーエンドフレームワークである。 我々の手法は最先端技術に対して競争力があり、帰納的推論ではよく機能する。
  論文  参考訳（メタデータ） (2022-11-10T16:11:03Z)
• Semi-Supervised Deep Learning for Multiplex Networks [20.671777884219555]
  多重ネットワークは複雑なグラフ構造であり、エンティティの集合が複数のタイプの関係によって相互に接続される。 マルチプレックスネットワーク上の構造認識表現学習のための,新しい半教師付き手法を提案する。
  論文  参考訳（メタデータ） (2021-10-05T13:37:43Z)
• mGNN: Generalizing the Graph Neural Networks to the Multilayer Case [0.0]
  我々は,GNNを多層ネットワークに一般化するためのフレームワークであるmGNNを提案する。 我々のアプローチは汎用的であり(タスク固有ではない)、計算オーバーヘッドを伴わずに任意の種類のGNNを拡張するという利点がある。 我々は、このフレームワークを3つの異なるタスク(ノードとネットワークの分類、リンクの予測)に分けて検証する。
  論文  参考訳（メタデータ） (2021-09-21T12:02:12Z)
• Reinforced Neighborhood Selection Guided Multi-Relational Graph Neural Networks [68.9026534589483]
  RioGNNはReinforceed, recursive, flexible neighborhood selection guided multi-relational Graph Neural Network architectureである。 RioGNNは、各関係の個々の重要性の認識により、説明性を高めた差別的なノード埋め込みを学ぶことができる。
  論文  参考訳（メタデータ） (2021-04-16T04:30:06Z)
• QD-GCN: Query-Driven Graph Convolutional Networks for Attributed Community Search [54.42038098426504]
  QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。 本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
  論文  参考訳（メタデータ） (2021-04-08T07:52:48Z)
• 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)
• Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
  グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
  論文  参考訳（メタデータ） (2020-06-23T04:13:23Z)
• 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)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)

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。