論文の概要: SAT-Based Algorithms for Regular Graph Pattern Matching

• arxiv url: http://arxiv.org/abs/2312.09995v1
• Date: Fri, 15 Dec 2023 18:12:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 14:46:45.842899
• Title: SAT-Based Algorithms for Regular Graph Pattern Matching
• Title（参考訳）: 正規グラフパターンマッチングのためのSATアルゴリズム
• Authors: Miguel Terra-Neves and Jos\'e Amaral and Alexandre Lemos and Rui Quintino and Pedro Resende and Antonio Alegria
• Abstract要約: 複素構造特性をチェックできるグラフ同型を一般化する。 この仕様は正規表現にインスパイアされた特殊なグラフである正規グラフパターン(ReGaP)の形で与えられる。 本稿では、対象グラフが所定のReGaPと一致するかどうかをチェックするSATベースのアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 40.86962847131912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph matching is a fundamental problem in pattern recognition, with many applications such as software analysis and computational biology. One well-known type of graph matching problem is graph isomorphism, which consists of deciding if two graphs are identical. Despite its usefulness, the properties that one may check using graph isomorphism are rather limited, since it only allows strict equality checks between two graphs. For example, it does not allow one to check complex structural properties such as if the target graph is an arbitrary length sequence followed by an arbitrary size loop. We propose a generalization of graph isomorphism that allows one to check such properties through a declarative specification. This specification is given in the form of a Regular Graph Pattern (ReGaP), a special type of graph, inspired by regular expressions, that may contain wildcard nodes that represent arbitrary structures such as variable-sized sequences or subgraphs. We propose a SAT-based algorithm for checking if a target graph matches a given ReGaP. We also propose a preprocessing technique for improving the performance of the algorithm and evaluate it through an extensive experimental evaluation on benchmarks from the CodeSearchNet dataset.
• Abstract（参考訳）: グラフマッチングはパターン認識における基本的な問題であり、ソフトウェア解析や計算生物学など多くの応用がある。 グラフマッチング問題の一つがグラフ同型であり、2つのグラフが同一かどうかを決定する。 その有用性にもかかわらず、グラフ同型を用いてチェックできる性質は2つのグラフ間の厳密な等式チェックしか許さないため、かなり限定的である。 例えば、ターゲットグラフが任意の長さ列で、任意のサイズループが続くような複雑な構造特性をチェックすることはできない。 本稿では、宣言的仕様を通じてそのような特性をチェックできるグラフ同型を一般化する。 この仕様は、正規表現にインスパイアされた特殊なグラフである正規グラフパターン(ReGaP)の形で与えられ、可変サイズのシーケンスやサブグラフなどの任意の構造を表すワイルドカードノードを含む可能性がある。 対象グラフが所定のReGaPと一致するかどうかをチェックするSATベースのアルゴリズムを提案する。 また,このアルゴリズムの性能向上のための前処理手法を提案し,codesearchnetデータセットからベンチマークを広範囲に実験的に評価する。

関連論文リスト

• PlanE: Representation Learning over Planar Graphs [9.697671872347131]
  この研究はホップクロフトとタージャンの古典的な平面グラフ同型アルゴリズムにインスパイアされている。 PlanEには、実用的な拡張性を維持しながら、平面グラフ上の完全な不変性を学習できるアーキテクチャが含まれている。
  論文  参考訳（メタデータ） (2023-07-03T17:45:01Z)
• Learning to Count Isomorphisms with Graph Neural Networks [16.455234748896157]
  グラフ上の部分グラフ同型カウントは重要な問題である。 本稿では,グラフアイソモーフィズムカウントのための新しいグラフニューラルネットワークであるCount-GNNを提案する。
  論文  参考訳（メタデータ） (2023-02-07T05:32:11Z)
• Demystifying Graph Convolution with a Simple Concatenation [6.542119695695405]
  グラフトポロジ、ノード特徴、ラベル間の重なり合う情報を定量化する。 グラフの畳み込みは、グラフの畳み込みに代わる単純だが柔軟な代替手段であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T16:39:33Z)
• SIGMA: A Structural Inconsistency Reducing Graph Matching Algorithm [21.1095092767297]
  グラフマッチングの精度、構造的不整合(SI)を測定するための新しい基準を提案する。 具体的には、SIは、グラフのマルチホップ構造に対応するために熱拡散ウェーブレットを組み込む。 ミラー降下法を用いて,新しいK-ホップ構造に基づくマッチングコストでGromov-Wasserstein距離を解くことにより,SIGMAを導出可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-06T15:18:37Z)
• Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
  グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。 マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。 本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
  論文  参考訳（メタデータ） (2022-01-25T00:10:03Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• Line Graph Neural Networks for Link Prediction [71.00689542259052]
  実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。 このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。 本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。 特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
  論文  参考訳（メタデータ） (2020-10-20T05:54:31Z)
• Inverse Graph Identification: Can We Identify Node Labels Given Graph Labels? [89.13567439679709]
  グラフ識別(GI)は、グラフ学習において長い間研究されており、特定の応用において不可欠である。 本稿では,逆グラフ識別(Inverse Graph Identification, IGI)と呼ばれる新しい問題を定義する。 本稿では,グラフアテンションネットワーク(GAT)を用いたノードレベルのメッセージパッシング処理を,GIのプロトコルの下でシンプルかつ効果的に行う方法を提案する。
  論文  参考訳（メタデータ） (2020-07-12T12:06:17Z)
• Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
  本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。 その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-19T13:09:44Z)

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。