Fugu-MT 論文翻訳(概要): Towards Deeper Understanding of PPR-based Embedding Approaches: A Topological Perspective

論文の概要: Towards Deeper Understanding of PPR-based Embedding Approaches: A Topological Perspective

arxiv url: http://arxiv.org/abs/2405.19649v1
Date: Thu, 30 May 2024 03:02:23 GMT
ステータス: 処理完了
システム内更新日: 2024-05-31 18:26:21.616901
Title: Towards Deeper Understanding of PPR-based Embedding Approaches: A Topological Perspective
Title（参考訳）: PPRに基づく埋め込みアプローチのより深い理解に向けて:トポロジカル視点
Authors: Xingyi Zhang, Zixuan Weng, Sibo Wang,
Abstract要約: まず、PPR関連行列を分解する最先端の埋め込み手法がクローズドフォームフレームワークに統合可能であることを示す。そして,この戦略によって生成された埋め込みを逆転して,グラフトポロジ情報をよりよく復元できるかどうかを考察する。我々の知る限りでは、PPRベースのノード埋め込みアプローチの解釈可能性に焦点を当てた最初の研究である。
参考スコア（独自算出の注目度）: 7.392815088603314
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Node embedding learns low-dimensional vectors for nodes in the graph. Recent state-of-the-art embedding approaches take Personalized PageRank (PPR) as the proximity measure and factorize the PPR matrix or its adaptation to generate embeddings. However, little previous work analyzes what information is encoded by these approaches, and how the information correlates with their superb performance in downstream tasks. In this work, we first show that state-of-the-art embedding approaches that factorize a PPR-related matrix can be unified into a closed-form framework. Then, we study whether the embeddings generated by this strategy can be inverted to better recover the graph topology information than random-walk based embeddings. To achieve this, we propose two methods for recovering graph topology via PPR-based embeddings, including the analytical method and the optimization method. Extensive experimental results demonstrate that the embeddings generated by factorizing a PPR-related matrix maintain more topological information, such as common edges and community structures, than that generated by random walks, paving a new way to systematically comprehend why PPR-based node embedding approaches outperform random walk-based alternatives in various downstream tasks. To the best of our knowledge, this is the first work that focuses on the interpretability of PPR-based node embedding approaches.
Abstract（参考訳）: ノード埋め込みはグラフ内のノードの低次元ベクトルを学習する。最近の最先端の埋め込み手法は、Personalized PageRank(PPR)を近接測定として、PPR行列またはその適応を分解して埋め込みを生成する。しかし、これらの手法によって符号化された情報と、下流タスクにおけるそれらのスーパーブのパフォーマンスとがどのように関連しているかを、これまでの研究はほとんど分析しなかった。本研究では,PPR関連行列を分解する最先端の埋め込み手法を,閉形式フレームワークに統合できることを最初に示す。そこで我々は,この戦略によって生成された埋め込みが,ランダムウォークによる埋め込みよりもグラフトポロジ情報をよりよく復元できるかどうかを考察した。そこで本研究では,解析手法と最適化手法を含む,PPRに基づく埋め込みによるグラフトポロジの復元手法を提案する。大規模な実験結果から,PPR関連行列の分解によって生成された埋め込みは,ランダムウォークによって生成されたものよりも,共通エッジやコミュニティ構造などのトポロジ的な情報を保持し,PPRベースのノード埋め込みが様々な下流タスクにおいてランダムウォークベースの代替手段より優れている理由を体系的に理解する新たな方法が提示された。我々の知る限りでは、PPRベースのノード埋め込みアプローチの解釈可能性に焦点を当てた最初の研究である。

関連論文リスト

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs [45.54510541781756]
本稿では,疎度ノードの注目度に基づく動的グラフ学習フレームワークを提案する。我々は,STOA GNNにおけるPPRの選択を正当化するために,所望のプロパティセットを提案する。また、PPRに等価な最適化形式を利用して、PPRベースのGNNの効率を最大6倍に向上する。
論文参考訳（メタデータ） (2024-11-11T16:51:51Z)
Surpassing legacy approaches to PWR core reload optimization with single-objective Reinforcement learning [0.0]
単目的および多目的の最適化のための深層強化学習(DRL)に基づく手法を開発した。本稿では、PPO(Proximal Policy Optimization)を用いて、RLに基づくアプローチの利点を実証する。 PPOは学習可能なウェイトを持つポリシーで検索機能を適応し、グローバル検索とローカル検索の両方として機能する。
論文参考訳（メタデータ） (2024-02-16T19:35:58Z)
Sample Complexity of Preference-Based Nonparametric Off-Policy Evaluation with Deep Networks [58.469818546042696]
我々は、OPEのサンプル効率を人間の好みで研究し、その統計的保証を確立する。 ReLUネットワークのサイズを適切に選択することにより、マルコフ決定過程において任意の低次元多様体構造を活用できることが示される。
論文参考訳（メタデータ） (2023-10-16T16:27:06Z)
Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文参考訳（メタデータ） (2023-07-01T18:35:21Z)
GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP, and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文参考訳（メタデータ） (2022-11-03T16:42:40Z)
Pessimism in the Face of Confounders: Provably Efficient Offline Reinforcement Learning in Partially Observable Markov Decision Processes [99.26864533035454]
半可観測マルコフ決定過程におけるオフライン強化学習(RL)について検討する。本稿では,UnderlineProxy変数 underlinePessimistic UnderlinePolicy UnderlineOptimization (textttP3O)アルゴリズムを提案する。 textttP3Oは、確立されたデータセットを持つPOMDPのための証明可能な最初のオフラインRLアルゴリズムである。
論文参考訳（メタデータ） (2022-05-26T19:13:55Z)
Unsupervised learning of disentangled representations in deep restricted kernel machines with orthogonality constraints [15.296955630621566]
Constr-DRKMは、非教師なしデータ表現の学習のためのディープカーネル手法である。本研究では,不整合特徴学習における提案手法の有効性を定量的に評価する。
論文参考訳（メタデータ） (2020-11-25T11:40:10Z)
Neural graph embeddings as explicit low-rank matrix factorization for link prediction [0.0]
そこで本研究では,予測できないノードのペアからの情報を含む低ランク因数分解埋め込みを学習するための改良手法を提案する。結果と観測結果に基づいて、次のグラフ埋め込みアルゴリズムの設計を改善するためのさらなるステップを概説する。
論文参考訳（メタデータ） (2020-11-16T14:23:12Z)
Supervised PCA: A Multiobjective Approach [70.99924195791532]
制御主成分分析法(SPCA) 本研究では,これらの目的を両立させる新しいSPCA手法を提案する。この手法は、任意の教師付き学習損失に対応し、統計的再構成により、一般化された線形モデルの新しい低ランク拡張を提供する。
論文参考訳（メタデータ） (2020-11-10T18:46:58Z)
Implementation Matters in Deep Policy Gradients: A Case Study on PPO and TRPO [90.90009491366273]
本稿では,2つの一般的なアルゴリズムのケーススタディにより,ディープポリシー勾配アルゴリズムにおけるアルゴリズムの進歩のルーツについて検討する。具体的には,「コードレベルの最適化」の結果について検討する。以上の結果から, (a) TRPOに対するPPOの累積報酬のほとんどを担っていることが示され, (b) RL メソッドの動作方法が根本的に変化していることが示唆された。
論文参考訳（メタデータ） (2020-05-25T16:24:59Z)

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。