論文の概要: A Survey on Signed Graph Embedding: Methods and Applications
- arxiv url: http://arxiv.org/abs/2409.03916v1
- Date: Thu, 5 Sep 2024 21:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 17:20:24.140862
- Title: A Survey on Signed Graph Embedding: Methods and Applications
- Title（参考訳）: サイン付きグラフ埋め込みに関する調査:方法と応用
- Authors: Shrabani Ghosh,
- Abstract要約: サイングラフ(サイングラフ、英: signed graph、SG)は、エッジがそれに取り付けられたサイン情報を運ぶグラフである。
本調査では,SGの埋め込み手法と応用について包括的に研究する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A signed graph (SG) is a graph where edges carry sign information attached to it. The sign of a network can be positive, negative, or neutral. A signed network is ubiquitous in a real-world network like social networks, citation networks, and various technical networks. There are many network embedding models have been proposed and developed for signed networks for both homogeneous and heterogeneous types. SG embedding learns low-dimensional vector representations for nodes of a network, which helps to do many network analysis tasks such as link prediction, node classification, and community detection. In this survey, we perform a comprehensive study of SG embedding methods and applications. We introduce here the basic theories and methods of SGs and survey the current state of the art of signed graph embedding methods. In addition, we explore the applications of different types of SG embedding methods in real-world scenarios. As an application, we have explored the citation network to analyze authorship networks. We also provide source code and datasets to give future direction. Lastly, we explore the challenges of SG embedding and forecast various future research directions in this field.
- Abstract（参考訳）: サイングラフ(サイングラフ、英: signed graph、SG)は、エッジがそれに取り付けられたサイン情報を運ぶグラフである。
ネットワークの符号は、正、負、中性である。
署名されたネットワークは、ソーシャルネットワーク、引用ネットワーク、および様々な技術ネットワークのような現実世界のネットワークでユビキタスである。
等質型と異質型の両方の符号付きネットワークに対して,多くのネットワーク埋め込みモデルが提案され,開発されている。
SG埋め込みはネットワークノードの低次元ベクトル表現を学習し、リンク予測やノード分類、コミュニティ検出といった多くのネットワーク分析タスクを支援する。
本研究では,SGの埋め込み手法と応用に関する総合的研究を行う。
本稿では、SGの基本理論と方法を紹介し、署名付きグラフ埋め込み法の現状を調査する。
さらに,実世界のシナリオにおける様々な種類のSG埋め込み手法の適用について検討する。
アプリケーションとして,著者ネットワークを解析するための引用ネットワークを探索した。
将来的な方向性を示すために、ソースコードやデータセットも提供しています。
最後に,SG 埋め込みの課題について検討し,今後の研究の方向性を予測した。
関連論文リスト
- Counterfactual Learning on Graphs: A Survey [34.47646823407408]
グラフニューラルネットワーク(GNN)は,グラフ上での表現学習において大きな成功を収めている。
グラフ上のカウンターファクトラーニングは、これらの欠点を緩和する有望な結果を示している。
グラフ上の反ファクトフェアネス、説明可能性、リンク予測など、様々な手法が提案されている。
論文 参考訳（メタデータ） (2023-04-03T21:42:42Z) - Network Representation Learning: From Preprocessing, Feature Extraction
to Node Embedding [9.844802841686105]
ネットワーク表現学習(NRL)は、ソーシャルネットワーク、知識グラフ、複雑なバイオメディカルおよび物理情報ネットワークの従来のグラフマイニングを進歩させる。
本稿では,同種ネットワーク上でのネットワーク表現学習における設計原理と異なるノード埋め込み手法について概説する。
論文 参考訳（メタデータ） (2021-10-14T17:46:37Z) - Temporal Graph Network Embedding with Causal Anonymous Walks
Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。
評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。
欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文 参考訳（メタデータ） (2021-08-19T15:39:52Z) - A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。
AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。
本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
論文 参考訳（メタデータ） (2021-05-22T07:05:48Z) - Meta-Learning with Graph Neural Networks: Methods and Applications [5.804439462187914]
グラフニューラルネットワーク(GNN)は、グラフデータ上のディープニューラルネットワークの一般化である。
利用可能なサンプルが少ない場合、GNNは制限される。
近年、研究者はGNNにメタラーニングを適用し始めている。
論文 参考訳（メタデータ） (2021-02-27T06:19:11Z) - SDGNN: Learning Node Representation for Signed Directed Networks [43.15277366961127]
グラフニューラルネットワーク(gnns)は広く注目を集め、ノード表現の学習において最先端のパフォーマンスをもたらす。
これらのモデルを署名された有向ネットワークに転送するのは簡単なことではないが、実世界では広く観察されているが、あまり研究されていない。
我々は,符号付き有向ネットワークのノード埋め込みを学習するために,SDGNNと呼ばれる新しい符号付き有向グラフニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2021-01-07T06:15:07Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - Signed Graph Diffusion Network [17.20546861491478]
サイン付きソーシャルグラフが与えられたら、適切なノード表現を学習して、エッジの欠落の兆候を推測するにはどうすればよいのか?
署名ソーシャルグラフにおけるリンクサイン予測のためのエンドツーエンドノード表現学習を実現する新しいグラフニューラルネットワークであるSigned Graph Diffusion Network(SGDNet)を提案する。
論文 参考訳（メタデータ） (2020-12-28T11:08:30Z) - A Survey on Heterogeneous Graph Embedding: Methods, Techniques,
Applications and Sources [79.48829365560788]
異種情報ネットワーク (heterogenous information network) としても知られるヘテロジニアスグラフ (HGs) は、現実のシナリオにおいてユビキタス化されている。
HG埋め込みは、下流タスクのための不均一な構造と意味を保ちながら、低次元空間での表現を学習することを目的としている。
論文 参考訳（メタデータ） (2020-11-30T15:03:47Z) - Interpretable Signed Link Prediction with Signed Infomax Hyperbolic
Graph [54.03786611989613]
ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている
我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。
高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
論文 参考訳（メタデータ） (2020-11-25T05:09:03Z) - Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。
GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
論文 参考訳（メタデータ） (2020-06-23T04:13:23Z)
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。