論文の概要: An embedding-based distance for temporal graphs

• arxiv url: http://arxiv.org/abs/2401.12843v1
• Date: Tue, 23 Jan 2024 15:25:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-24 15:21:10.206901
• Title: An embedding-based distance for temporal graphs
• Title（参考訳）: 時間グラフの埋め込みに基づく距離
• Authors: Lorenzo Dall'Amico, Alain Barrat, Ciro Cattuto
• Abstract要約: 時間参照ランダムウォークを用いて構築したグラフ埋め込みに基づいて時間グラフ間の距離を定義する。 構造特性と時間特性の異なるグラフを識別する能力を示す。 本稿では,大規模時間グラフに有効な距離計算の効率的な実装を提案する。
• 参考スコア（独自算出の注目度）: 4.162019309587632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We define a distance between temporal graphs based on graph embeddings built using time-respecting random walks. We study both the case of matched graphs, when there exists a known relation between the nodes, and the unmatched case, when such a relation is unavailable and the graphs may be of different sizes. We illustrate the interest of our distance definition, using both real and synthetic temporal network data, by showing its ability to discriminate between graphs with different structural and temporal properties. Leveraging state-of-the-art machine learning techniques, we propose an efficient implementation of distance computation that is viable for large-scale temporal graphs.
• Abstract（参考訳）: 時間参照ランダムウォークを用いたグラフ埋め込みに基づく時間グラフ間の距離を定義する。 マッチンググラフの場合、ノード間に既知の関係が存在する場合と、そのような関係が利用できない場合と、グラフのサイズが異なる場合の両方について検討する。 構造的および時間的特性の異なるグラフ間を判別する能力を示すことにより、実時間的ネットワークデータと合成時間的ネットワークデータの両方を用いて、距離定義の関心を示す。 最先端の機械学習技術を活用し,大規模時間グラフに有効な距離計算の効率的な実装を提案する。

関連論文リスト

• Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
  グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。 我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。 グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
  論文  参考訳（メタデータ） (2023-11-29T12:48:33Z)
• Using Time-Aware Graph Neural Networks to Predict Temporal Centralities in Dynamic Graphs [0.8057006406834466]
  De Bruijn Graph Neural Networks (DBGNN) の時系列データにおける時間的経路に基づく集中度予測への応用について検討する。 生物学的および社会システムからの13の時間グラフを用いて,我々のアプローチを実験的に評価した。
  論文  参考訳（メタデータ） (2023-10-24T14:23:10Z)
• Exploiting Edge Features in Graphs with Fused Network Gromov-Wasserstein Distance [18.522233517515975]
  ノードとエッジが特徴を持つグラフを比較するために,Gromov-Wasserstein距離の拡張を導入する。 入力空間または出力空間でグラフが発生する学習タスクにおいて、新しい距離の有効性を実証的に示す。
  論文  参考訳（メタデータ） (2023-09-28T17:05:03Z)
• Temporal Aggregation and Propagation Graph Neural Networks for Dynamic Representation [67.26422477327179]
  時間グラフは連続時間を通してノード間の動的相互作用を示す。 本研究では,周辺地域全体と時間的グラフ畳み込みの新たな手法を提案する。 提案するTAP-GNNは,予測性能とオンライン推論遅延の両面で,既存の時間グラフ手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-15T08:17:18Z)
• Learning the Evolutionary and Multi-scale Graph Structure for Multivariate Time Series Forecasting [50.901984244738806]
  時系列の進化的・マルチスケール相互作用をモデル化する方法を示す。 特に、まず、拡張畳み込みと協調して、スケール固有の相関を捉える階層グラフ構造を提供する。 最終的な予測を得るために上記のコンポーネントを統合するために、統合ニューラルネットワークが提供される。
  論文  参考訳（メタデータ） (2022-06-28T08:11:12Z)
• Spatio-Temporal Joint Graph Convolutional Networks for Traffic Forecasting [75.10017445699532]
  近年、時間グラフモデリング問題として交通予測の定式化に焦点が移っている。 本稿では,道路網における交通予測の精度向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-11-25T08:45:14Z)
• Dynamic Graph Echo State Networks [11.900741510492754]
  動的時間グラフの効率的な処理のためのグラフエコー状態ネットワークの拡張を提案する。 我々のモデルは、トレーニングを必要とせず、各タイミングで更新される動的グラフのベクトル符号化を提供する。 実験では、12の分散プロセス分類タスクにおいて、近似時間グラフカーネルに匹敵する精度を示す。
  論文  参考訳（メタデータ） (2021-10-16T12:51:50Z)
• FGOT: Graph Distances based on Filters and Optimal Transport [62.779521543654134]
  グラフ比較は、グラフ間の類似点と相違点の識別を扱う。 大きな障害は、グラフの未知のアライメントと、正確で安価な比較指標の欠如である。 本研究では,フィルタグラフ距離近似を導入する。
  論文  参考訳（メタデータ） (2021-09-09T17:43:07Z)
• Some Algorithms on Exact, Approximate and Error-Tolerant Graph Matching [3.655021726150369]
  我々は、様々な正確かつ不正確なグラフマッチング技術の広範な調査を紹介します。 グラフマッチングアルゴリズムのカテゴリが提示され、重要でないノードを除去することでグラフのサイズを小さくする。 幾何グラフを用いたグラフ類似度測定の新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-12-30T18:51:06Z)
• Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks [91.65637773358347]
  多変量時系列データに特化して設計された汎用グラフニューラルネットワークフレームワークを提案する。 グラフ学習モジュールを用いて,変数間の一方向関係を自動的に抽出する。 提案手法は,4つのベンチマークデータセットのうち3つにおいて,最先端のベースライン手法よりも優れている。
  論文  参考訳（メタデータ） (2020-05-24T04:02:18Z)

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。