論文の概要: Spectral Toolkit of Algorithms for Graphs: Technical Report (1)
- arxiv url: http://arxiv.org/abs/2304.03170v1
- Date: Wed, 5 Apr 2023 10:39:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 13:43:41.667697
- Title: Spectral Toolkit of Algorithms for Graphs: Technical Report (1)
- Title(参考訳): グラフ用アルゴリズムのスペクトルツールキット:技術報告(1)
- Authors: Peter Macgregor and He Sun
- Abstract要約: Spectral Toolkit of Algorithms for Graphs (STAG)は、効率的なスペクトルグラフアルゴリズムのためのオープンソースライブラリである。
本技術報告では,STAGのユーザガイド,研究の紹介,開発の背後にあるいくつかの技術的考察について紹介する。
- 参考スコア(独自算出の注目度): 9.759415650727892
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spectral Toolkit of Algorithms for Graphs (STAG) is an open-source library
for efficient spectral graph algorithms, and its development starts in
September 2022. We have so far finished the component on local graph
clustering, and this technical report presents a user's guide to STAG, showcase
studies, and several technical considerations behind our development.
- Abstract(参考訳): Spectral Toolkit of Algorithms for Graphs (STAG)は効率的なスペクトルグラフアルゴリズムのためのオープンソースライブラリで、開発は2022年9月に開始される。
これまでのところ、ローカルグラフクラスタリングのコンポーネントは完了しており、このテクニカルレポートでは、STAGへのユーザのガイド、研究の紹介、開発の背後にある技術的考察が紹介されている。
関連論文リスト
- Exploring Graph Classification Techniques Under Low Data Constraints: A
Comprehensive Study [0.0]
ノードとエッジの摂動、グラフの粗大化、グラフ生成など、グラフデータの増大のためのさまざまなテクニックをカバーしている。
本稿は、これらの領域を深く探求し、さらに下位分類に着目する。
低データシナリオで直面するグラフ処理問題の解決に使用できる、幅広いテクニックの配列を提供する。
論文 参考訳(メタデータ) (2023-11-21T17:23:05Z) - SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。
まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。
次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
論文 参考訳(メタデータ) (2023-08-03T07:00:04Z) - Transforming Graphs for Enhanced Attribute Clustering: An Innovative
Graph Transformer-Based Method [8.989218350080844]
本研究では、グラフクラスタリングのためのグラフトランスフォーマーオートエンコーダ(GTAGC)と呼ばれる革新的な手法を提案する。
Graph Auto-EncoderをGraph Transformerでマージすることで、GTAGCはノード間のグローバルな依存関係をキャプチャできる。
GTAGCのアーキテクチャはグラフの埋め込み、オートエンコーダ構造内のグラフ変換器の統合、クラスタリングコンポーネントを含んでいる。
論文 参考訳(メタデータ) (2023-06-20T06:04:03Z) - Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。
この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。
我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文 参考訳(メタデータ) (2023-05-31T11:04:53Z) - Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。
近年の研究では、グラフ表現学習における事前学習の有用性が示されている。
本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
論文 参考訳(メタデータ) (2023-02-06T16:26:29Z) - Graph Pooling for Graph Neural Networks: Progress, Challenges, and
Opportunities [128.55790219377315]
グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。
グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
論文 参考訳(メタデータ) (2022-04-15T04:02:06Z) - Diversified Multiscale Graph Learning with Graph Self-Correction [55.43696999424127]
2つのコア成分を組み込んだ多次元グラフ学習モデルを提案します。
情報埋め込みグラフを生成するグラフ自己補正(GSC)機構、および入力グラフの包括的な特性評価を達成するために多様性ブースト正規化(DBR)。
一般的なグラフ分類ベンチマークの実験は、提案されたGSCメカニズムが最先端のグラフプーリング方法よりも大幅に改善されることを示しています。
論文 参考訳(メタデータ) (2021-03-17T16:22:24Z) - GraphMineSuite: Enabling High-Performance and Programmable Graph Mining
Algorithms with Set Algebra [9.814439564341761]
GraphMineSuite (GMS) はグラフマイニングアルゴリズムのベンチマークスイートである。
GMSには、広範なレビュー、代表的な問題、アルゴリズム、データセットを記述した文献に基づくベンチマーク仕様が付属している。
論文 参考訳(メタデータ) (2021-03-05T13:26:18Z) - Efficient Graph Deep Learning in TensorFlow with tf_geometric [53.237754811019464]
グラフ深層学習のための効率的でフレンドリなライブラリであるtf_geometricを導入する。
tf_geometricは、人気のあるGNNの実装と同様に、グラフニューラルネットワーク(GNN)を構築するためのカーネルライブラリを提供する。
カーネルライブラリは、グラフデータ構造、グラフマップ-リデュースフレームワーク、グラフミニバッチ戦略など、効率的なGNNを構築するためのインフラストラクチャで構成されている。
論文 参考訳(メタデータ) (2021-01-27T17:16:36Z) - GraphGen: A Scalable Approach to Domain-agnostic Labeled Graph
Generation [5.560715621814096]
グラフ生成モデルは、データマイニングの文献で広く研究されている。
最近の技術は、データから直接この分布を学習する方向に移行している。
本研究では、これらの制限をすべて克服するために、GraphGenと呼ばれるドメインに依存しないテクニックを開発します。
論文 参考訳(メタデータ) (2020-01-22T18:07:43Z)
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。