Fugu-MT 論文翻訳(概要): Graph Encoder Ensemble for Simultaneous Vertex Embedding and Community Detection

論文の概要: Graph Encoder Ensemble for Simultaneous Vertex Embedding and Community Detection

arxiv url: http://arxiv.org/abs/2301.11290v3
Date: Sun, 21 Jul 2024 17:26:26 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 06:06:15.176731
Title: Graph Encoder Ensemble for Simultaneous Vertex Embedding and Community Detection
Title（参考訳）: 同時頂点埋め込みとコミュニティ検出のためのグラフエンコーダアンサンブル
Authors: Cencheng Shen, Youngser Park, Carey E. Priebe,
Abstract要約: 本稿では, 埋め込み, コミュニティ検出, コミュニティサイズ決定のための新しい, 計算効率の良い手法を提案する。本手法では,正規化された1ホットグラフエンコーダと階数に基づくクラスタサイズ測定を利用する。広範にシミュレーションを行い,提案したグラフエンコーダアンサンブルアルゴリズムの優れた数値性能を示す。
参考スコア（独自算出の注目度）: 16.743897700396218
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce a novel and computationally efficient method for vertex embedding, community detection, and community size determination. Our approach leverages a normalized one-hot graph encoder and a rank-based cluster size measure. Through extensive simulations, we demonstrate the excellent numerical performance of our proposed graph encoder ensemble algorithm.
Abstract（参考訳）: 本稿では, 頂点埋め込み, コミュニティ検出, コミュニティサイズ決定のための新しい, 計算効率の良い手法を提案する。本手法では,正規化された1ホットグラフエンコーダと階数に基づくクラスタサイズ測定を利用する。広範にシミュレーションを行い,提案したグラフエンコーダアンサンブルアルゴリズムの優れた数値性能を示す。

関連論文リスト

Encoder Embedding for General Graph and Node Classification [4.178980693837599]
エンコーダの埋め込み行列が大数の法則と中心極限定理を満たすことを証明している。ある条件下では、クラスごとの正規性を達成し、識別分析による最適な分類を可能にする。
論文参考訳（メタデータ） (2024-05-24T11:51:08Z)
Refined Graph Encoder Embedding via Self-Training and Latent Community Recovery [16.209340214884776]
本稿では, 線形変換, 自己学習, 隠れたコミュニティリカバリによるグラフエンコーダ埋め込みを改良し, 改良されたグラフエンコーダ埋め込み方式を提案する。提案手法が有効な隠れコミュニティを効果的に特定できる方法と理由を実証し, 改良手順の理論的理論的根拠を提供する。
論文参考訳（メタデータ） (2024-05-21T13:48:07Z)
Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-03-11T06:34:05Z)
M3C: A Framework towards Convergent, Flexible, and Unsupervised Learning of Mixture Graph Matching and Clustering [57.947071423091415]
本稿では,理論収束を保証する学習自由度アルゴリズムであるM3Cを提案する。我々は、新しいエッジワイド親和性学習と擬似ラベル選択を組み込んだ教師なしモデルUM3Cを開発した。提案手法は,最先端のグラフマッチングと混合グラフマッチングとクラスタリングの手法を精度と効率の両面で優れている。
論文参考訳（メタデータ） (2023-10-27T19:40:34Z)
Synergistic Graph Fusion via Encoder Embedding [16.20934021488478]
共有集合を用いたマルチグラフ埋め込みのためのグラフ融合埋め込み法を提案する。教師あり学習の枠組みの下では,本手法は顕著で,非常に望ましい相乗効果を示す。我々の総合シミュレーションと実データ実験は,提案手法の有効性を裏付ける説得力のある証拠を提供する。
論文参考訳（メタデータ） (2023-03-31T13:34:35Z)
Deep Graph Clustering via Mutual Information Maximization and Mixture Model [6.488575826304023]
クラスタリングに親しみやすいノード埋め込みを学習するための対照的な学習フレームワークを導入する。実世界のデータセットを用いた実験により,コミュニティ検出における本手法の有効性が示された。
論文参考訳（メタデータ） (2022-05-10T21:03:55Z)
Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。グラフが現在の勾配を混合する能力を定量化する計量法を提案する。そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文参考訳（メタデータ） (2022-04-13T15:54:35Z)
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)
Effective and Efficient Graph Learning for Multi-view Clustering [173.8313827799077]
マルチビュークラスタリングのための効率的かつ効率的なグラフ学習モデルを提案する。本手法はテンソルシャッテンp-ノルムの最小化により異なるビューのグラフ間のビュー類似性を利用する。提案アルゴリズムは時間経済であり,安定した結果を得るとともに,データサイズによく対応している。
論文参考訳（メタデータ） (2021-08-15T13:14:28Z)
Multilayer Graph Clustering with Optimized Node Embedding [70.1053472751897]
多層グラフクラスタリングは、グラフノードをカテゴリまたはコミュニティに分割することを目指しています。与えられた多層グラフの層をクラスタリングに親しみやすい埋め込みを提案する。実験の結果,本手法は著しい改善をもたらすことがわかった。
論文参考訳（メタデータ） (2021-03-30T17:36:40Z)
Fusion Moves for Graph Matching [35.27002115682325]
グラフマッチングとしても知られる二次代入問題に対する近似アルゴリズムに寄与する。マルチラベル離散マルコフ確率場のための融合移動法の成功に触発され,グラフマッチングへの適用性を検討した。本稿では,ラグランジュ二元法と効率的に組み合わせる方法について述べる。
論文参考訳（メタデータ） (2021-01-28T16:09:46Z)

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。