論文の概要: Circle Feature Graphormer: Can Circle Features Stimulate Graph Transformer?

• arxiv url: http://arxiv.org/abs/2309.06574v1
• Date: Mon, 11 Sep 2023 03:58:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 16:20:22.319637
• Title: Circle Feature Graphormer: Can Circle Features Stimulate Graph Transformer?
• Title（参考訳）: circle feature graphormer: circle featureはグラフトランスフォーマーを刺激できるのか?
• Authors: Jingsong Lv, Hongyang Chen, Yao Qi, Lei Yu
• Abstract要約: ogbl-citation2のリンク予測タスクの欠如に対して,2つの局所グラフ機能を導入する。 それらの特徴を,友人の輪の概念から借用したサークル・フィーチャーとして定義する。 SIEGネットワークをベースとしたCircled Feature aware Graph transformer (CFG)モデルを実装した。
• 参考スコア（独自算出の注目度）: 16.63165652466664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce two local graph features for missing link prediction tasks on ogbl-citation2. We define the features as Circle Features, which are borrowed from the concept of circle of friends. We propose the detailed computing formulas for the above features. Firstly, we define the first circle feature as modified swing for common graph, which comes from bipartite graph. Secondly, we define the second circle feature as bridge, which indicates the importance of two nodes for different circle of friends. In addition, we firstly propose the above features as bias to enhance graph transformer neural network, such that graph self-attention mechanism can be improved. We implement a Circled Feature aware Graph transformer (CFG) model based on SIEG network, which utilizes a double tower structure to capture both global and local structure features. Experimental results show that CFG achieves the state-of-the-art performance on dataset ogbl-citation2.
• Abstract（参考訳）: 本稿では,ogbl-citation2上でのリンク予測タスクの欠如に対する2つの局所グラフ特徴を紹介する。 この機能をcircle機能として定義し、circle of friendsの概念から借用しています。 上記の特徴に対する詳細な計算式を提案する。 まず第一に、第一円の特徴を二部グラフから得られる共通グラフの変形スウィングとして定義する。 第2に、第2の円の特徴をブリッジと定義し、友人の円の異なる2つのノードの重要性を示す。 さらに,まず,グラフの自己認識機構を改良できるように,グラフトランスフォーマーニューラルネットワークを強化するバイアスとして,上記の特徴を提案する。 我々は,2重塔構造を用いてグローバル構造とローカル構造の両方の特徴をキャプチャするsiegネットワークに基づく円状特徴認識グラフトランスフォーマ(cfg)モデルを実装した。 実験の結果,CFGはデータセットogbl-citation2の最先端性能を実現していることがわかった。

関連論文リスト

• Saliency-Aware Regularized Graph Neural Network [39.82009838086267]
  グラフ分類のためのSAR-GNN(Saliency-Aware Regularized Graph Neural Network)を提案する。 まず,コンパクトなグラフ表現とノード特徴とのセマンティックな類似性を測定することで,グローバルノードの正当性を推定する。 そして、学習した塩分濃度分布を利用して、背骨の近傍集合を規則化する。
  論文  参考訳（メタデータ） (2024-01-01T13:44:16Z)
• Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
  論文  参考訳（メタデータ） (2023-03-14T20:35:45Z)
• On Classification Thresholds for Graph Attention with Edge Features [26.01769042481568]
  我々は,古典的分類課題におけるグラフ注意ネットワークとノードの正確なラベル付け能力を分析し,理論的,実証的に分析する。 注意係数を決定するためにランダムエッジ特徴を入力とする一般グラフアテンション機構を考察する。
  論文  参考訳（メタデータ） (2022-10-18T17:32:18Z)
• Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
  本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。 GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
  論文  参考訳（メタデータ） (2022-05-07T04:11:23Z)
• A Generalization of Transformer Networks to Graphs [5.736353542430439]
  標準モデルと比較して4つの新しい特性を持つグラフトランスを紹介します。 アーキテクチャはエッジ特徴表現に拡張され、化学(結合型)やリンク予測(知識グラフにおけるエンタリティ関係)といったタスクに重要なものとなる。
  論文  参考訳（メタデータ） (2020-12-17T16:11:47Z)
• Factorizable Graph Convolutional Networks [90.59836684458905]
  本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。 FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。 提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2020-10-12T03:01:40Z)
• Dirichlet Graph Variational Autoencoder [65.94744123832338]
  本稿では,グラフクラスタメンバシップを潜在因子とするDGVAE(Dirichlet Graph Variational Autoencoder)を提案する。 バランスグラフカットにおける低パス特性により、入力グラフをクラスタメンバシップにエンコードする、Heattsと呼ばれるGNNの新しい変種を提案する。
  論文  参考訳（メタデータ） (2020-10-09T07:35:26Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)
• CatGCN: Graph Convolutional Networks with Categorical Node Features [99.555850712725]
  CatGCNはグラフ学習に適したノード機能である。 エンドツーエンドでCatGCNを訓練し、半教師付きノード分類でそれを実証する。
  論文  参考訳（メタデータ） (2020-09-11T09:25:17Z)

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。