論文の概要: Analyzing the Evolution of Graphs and Texts
- arxiv url: http://arxiv.org/abs/2411.06295v1
- Date: Sat, 09 Nov 2024 21:39:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:08:19.591146
- Title: Analyzing the Evolution of Graphs and Texts
- Title（参考訳）: グラフとテキストの進化の分析
- Authors: Xingzhi Guo,
- Abstract要約: 論文は、グラフのダイナミクスを効率的にモデル化し、テキストの変化を理解することを目的としている。
我々は、パーソナライズされたPageRankアルゴリズムを用いて、グラフの進化に有効な動的ネットワーク埋め込みを作成する。
- 参考スコア（独自算出の注目度）: 4.873362301533825
- License:
- Abstract: With the recent advance of representation learning algorithms on graphs (e.g., DeepWalk/GraphSage) and natural languages (e.g., Word2Vec/BERT) , the state-of-the art models can even achieve human-level performance over many downstream tasks, particularly for the task of node and sentence classification. However, most algorithms focus on large-scale models for static graphs and text corpus without considering the inherent dynamic characteristics or discovering the reasons behind the changes. This dissertation aims to efficiently model the dynamics in graphs (such as social networks and citation graphs) and understand the changes in texts (specifically news titles and personal biographies). To achieve this goal, we utilize the renowned Personalized PageRank algorithm to create effective dynamic network embeddings for evolving graphs. Our proposed approaches significantly improve the running time and accuracy for both detecting network abnormal intruders and discovering entity meaning shifts over large-scale dynamic graphs. For text changes, we analyze the post-publication changes in news titles to understand the intents behind the edits and discuss the potential impact of titles changes from information integrity perspective. Moreover, we investigate self-presented occupational identities in Twitter users' biographies over five years, investigating job prestige and demographics effects in how people disclose jobs, quantifying over-represented jobs and their transitions over time.
- Abstract（参考訳）: グラフ(例えば、DeepWalk/GraphSage)や自然言語(例えば、Word2Vec/BERT)での表現学習アルゴリズムの最近の進歩により、最先端の技術モデルは、特にノードと文分類のタスクにおいて、多くの下流タスクに対して人間レベルのパフォーマンスを達成できる。
しかし,ほとんどのアルゴリズムは,静的グラフやテキストコーパスの大規模モデルに重点を置いている。
この論文は、グラフ(ソーシャルネットワークや引用グラフなど)のダイナミクスを効率的にモデル化し、テキスト(特にニュースタイトルや個人の伝記)の変化を理解することを目的としている。
この目的を達成するために、有名なパーソナライズされたPageRankアルゴリズムを用いて、グラフの進化に有効な動的ネットワーク埋め込みを作成する。
提案手法は,ネットワーク異常侵入者の検出と大規模動的グラフ上の実体的意味の発見の両方において,実行時間と精度を大幅に向上させる。
テキスト変更については,編集の背景にある意図を理解するためにニュースタイトルのポストパブリケーション変更を分析し,情報完全性の観点からタイトル変更の潜在的影響について議論する。
さらに,5年間のTwitter利用者の経歴における自己表現的職業アイデンティティについて調査し,仕事の開示方法や過度に表現された仕事の定量化,時間の経過とともにその推移について,職名や人口統計学的影響を調査した。
関連論文リスト
- A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation [59.14165404728197]
我々は,分散シフト下での深層グラフ学習について,最新かつ先見的なレビューを行う。
具体的には,グラフ OOD 一般化,トレーニング時グラフ OOD 適応,テスト時グラフ OOD 適応の3つのシナリオについて述べる。
文献の理解を深めるために,提案した分類に基づく既存モデルを体系的に分類した。
論文 参考訳（メタデータ） (2024-10-25T02:39:56Z) - Parametric Graph Representations in the Era of Foundation Models: A Survey and Position [69.48708136448694]
グラフは、包括的なリレーショナルデータをモデル化するために、過去数十年間、ビッグデータとAIで広く使われてきた。
有意義なグラフ法則の同定は、様々な応用の有効性を著しく向上させることができる。
論文 参考訳（メタデータ） (2024-10-16T00:01:31Z) - Node-Time Conditional Prompt Learning In Dynamic Graphs [14.62182210205324]
DYGPROMPTは動的グラフモデリングのための新しい事前学習および迅速な学習フレームワークである。
我々はノードと時間の特徴が相互に特徴付けることを認識し、下流タスクにおけるノード時間パターンの進化をモデル化するための2つの条件ネットを提案する。
論文 参考訳（メタデータ） (2024-05-22T19:10:24Z) - From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。
大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。
本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
論文 参考訳（メタデータ） (2024-03-18T17:57:09Z) - UniGraph: Learning a Unified Cross-Domain Foundation Model for Text-Attributed Graphs [30.635472655668078]
Text-Attributed Graphs (TAG) は、さまざまなドメインにまたがる見えないグラフやタスクに一般化することができる。
本稿では,言語モデル (LM) とグラフニューラルネットワーク (GNN) をバックボーンネットワークとして,新しいケースドアーキテクチャを提案する。
本モデルの有効性を,未確認グラフの自己教師型表現学習,少数ショットインコンテキスト転送,ゼロショット転送で実証する。
論文 参考訳（メタデータ） (2024-02-21T09:06:31Z) - Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。
GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。
研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
論文 参考訳（メタデータ） (2024-02-01T02:44:32Z) - GRENADE: Graph-Centric Language Model for Self-Supervised Representation
Learning on Text-Attributed Graphs [22.282756544376493]
テキスト分散グラフ上での自己教師型表現学習の問題を解決するために,新しいグラフ中心言語モデルGRENADEを開発した。
GRENADEは、事前訓練された言語モデルとグラフニューラルネットワークの両方の相乗効果を利用して、2つの専門的な自己教師付き学習アルゴリズムを最適化する。
提案したグラフ中心の自己教師型学習アルゴリズムは、GRENADEが情報的テキスト意味論だけでなく、テキスト対応グラフの構造的コンテキスト情報を取得するのに有効である。
論文 参考訳（メタデータ） (2023-10-23T17:18:35Z) - Controlling Topic-Focus Articulation in Meaning-to-Text Generation using
Graph Neural Networks [8.334427140256606]
グラフニューラルモデルを用いたトピック・フォーカス調音法(TFA)の3つの異なる手法を試行する。
グラフニューラルモデルにおけるノードアグリゲーションに関する新しい符号化手法を提案する。これは、隣接ノード情報を集約することで従来の符号化ではなく、深さ優先探索を用いてノード表現を学習する。
論文 参考訳（メタデータ） (2023-10-03T13:51:01Z) - Connecting the Dots: What Graph-Based Text Representations Work Best for
Text Classification Using Graph Neural Networks? [25.898812694174772]
本研究は,テキスト分類のためのグラフ表現手法を幅広く研究する。
各種GNNアーキテクチャとセットアップを用いて,グラフ構築方式を比較した。
2つのTransformerベースの大規模言語モデルもこの研究を補完するために含まれている。
論文 参考訳（メタデータ） (2023-05-23T23:31:24Z) - Scene Graph Modification Based on Natural Language Commands [90.0662899539489]
グラフやパースツリーのような構造化表現は多くの自然言語処理システムにおいて重要な役割を果たす。
本稿では,新しい利用者の指示に応じて既存のグラフの更新方法を学ぶ必要がある,グラフ修正の新たな課題について考察する。
論文 参考訳（メタデータ） (2020-10-06T10:01:19Z) - GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training [62.73470368851127]
グラフ表現学習は現実世界の問題に対処する強力な手法として登場した。
自己教師付きグラフニューラルネットワーク事前トレーニングフレームワークであるGraph Contrastive Codingを設計する。
3つのグラフ学習タスクと10のグラフデータセットについて実験を行った。
論文 参考訳（メタデータ） (2020-06-17T16:18:35Z)
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。