論文の概要: Two Layer Walk: A Community-Aware Graph Embedding
- arxiv url: http://arxiv.org/abs/2412.12933v2
- Date: Wed, 18 Dec 2024 13:52:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 13:23:29.780019
- Title: Two Layer Walk: A Community-Aware Graph Embedding
- Title（参考訳）: Two Layer Walk: コミュニティ対応のグラフ埋め込み
- Authors: He Yu, Jing Liu,
- Abstract要約: Two Layer Walk (TLWalk) は階層的なコミュニティ構造を組み込んだグラフ埋め込みアルゴリズムである。
TLWalkはコミュニティ対応のランダムウォーク機構を通じて、コミュニティ内およびコミュニティ間関係のバランスをとる。
ベンチマークデータセットの実験では、TLWalkは最先端のメソッドよりも優れています。
- 参考スコア（独自算出の注目度）: 3.833708891059351
- License:
- Abstract: Community structures are critical for understanding the mesoscopic organization of networks, bridging local and global patterns. While methods such as DeepWalk and node2vec capture local positional information through random walks, they fail to preserve community structures. Other approaches like modularized nonnegative matrix factorization and evolutionary algorithms address this gap but are computationally expensive and unsuitable for large-scale networks. To overcome these limitations, we propose Two Layer Walk (TLWalk), a novel graph embedding algorithm that incorporates hierarchical community structures. TLWalk balances intra- and inter-community relationships through a community-aware random walk mechanism without requiring additional parameters. Theoretical analysis demonstrates that TLWalk effectively mitigates locality bias. Experiments on benchmark datasets show that TLWalk outperforms state-of-the-art methods, achieving up to 3.2% accuracy gains for link prediction tasks. By encoding dense local and sparse global structures, TLWalk proves robust and scalable across diverse networks, offering an efficient solution for network analysis.
- Abstract（参考訳）: コミュニティ構造は、ネットワークのメソスコピックな組織を理解するために重要であり、地域やグローバルなパターンをブリッジする。
DeepWalkやnode2vecのようなメソッドはランダムウォークを通じてローカルの位置情報をキャプチャするが、コミュニティ構造を保存できない。
モジュラー化非負行列分解や進化的アルゴリズムのような他のアプローチはこのギャップに対処するが、計算コストは高く、大規模ネットワークには適さない。
これらの制限を克服するために,階層型コミュニティ構造を組み込んだ新しいグラフ埋め込みアルゴリズムであるTwo Layer Walk (TLWalk)を提案する。
TLWalkは、追加パラメータを必要とせずに、コミュニティ対応のランダムウォーク機構を通じて、コミュニティ内およびコミュニティ間関係のバランスをとる。
理論解析により、TLWalkは局所性バイアスを効果的に緩和することが示された。
ベンチマークデータセットの実験では、TLWalkは最先端の手法よりも優れており、リンク予測タスクの精度が最大3.2%向上している。
局所的および疎大なグローバル構造を符号化することにより、TLWalkは多様なネットワークにわたって堅牢でスケーラブルであることが証明され、ネットワーク分析の効率的なソリューションを提供する。
関連論文リスト
- Strong and Weak Random Walks on Signed Networks [4.739812980667592]
本稿では,2つ以上のコミュニティを持つネットワークの構造を捉えることのできる,署名付きネットワークランダムウォークを提案する。
このウォークによって類似性行列が生成され、ノードを対角的なコミュニティにクラスタリングすることができる。
弱い歩行に基づく類似性行列は、教師なしおよび半自明なクラスタリングの両方に利用できることを示す。
論文 参考訳（メタデータ） (2024-06-12T09:36:20Z) - Implicit models, latent compression, intrinsic biases, and cheap lunches
in community detection [0.0]
コミュニティ検出は、ネットワークをノードのクラスタに分割して、その大規模な構造を要約することを目的としている。
いくつかのコミュニティ検出手法は、確率的生成モデルを通じてクラスタリングの目的を明示的に導出する。
他の方法は記述的であり、特定のアプリケーションによって動機付けられた目的に応じてネットワークを分割する。
本稿では,コミュニティ検出対象,推論対象,記述対象とそれに対応する暗黙的ネットワーク生成モデルとを関連付けるソリューションを提案する。
論文 参考訳（メタデータ） (2022-10-17T15:38:41Z) - SVNet: Where SO(3) Equivariance Meets Binarization on Point Cloud
Representation [65.4396959244269]
本論文は,3次元学習アーキテクチャを構築するための一般的なフレームワークを設計することによる課題に対処する。
提案手法はPointNetやDGCNNといった一般的なバックボーンに適用できる。
ModelNet40、ShapeNet、および実世界のデータセットであるScanObjectNNの実験では、この手法が効率、回転、精度の間の大きなトレードオフを達成することを示した。
論文 参考訳（メタデータ） (2022-09-13T12:12:19Z) - Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。
SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-12T06:11:16Z) - Community detection using low-dimensional network embedding algorithms [1.052782170493037]
我々はDeepWalkとnode2vecという2つの主要なアルゴリズムが、標準ネットワークモデルのためのコミュニティを回復する際の性能を厳格に理解している。
固定された共起窓を考えると、非追跡確率の低いランダムウォークを用いた node2vec は、多くのスペーサーネットワークで成功することを示す。
論文 参考訳（メタデータ） (2021-11-04T14:57:43Z) - Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。
UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
論文 参考訳（メタデータ） (2021-08-20T12:09:38Z) - Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。
私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文 参考訳（メタデータ） (2021-07-28T03:46:57Z) - Consistency of random-walk based network embedding algorithms [13.214230533788932]
node2vecアルゴリズムとDeepWalkアルゴリズムを行列ファクタリゼーションの観点から検討する。
その結果,観測ネットワークの幅,ランダムウォークのウィンドウサイズ,ノード2vec/DeepWalk埋め込みの収束率との微妙な相互作用が示唆された。
論文 参考訳（メタデータ） (2021-01-18T22:49:22Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Interpretable and Efficient Heterogeneous Graph Convolutional Network [27.316334213279973]
異種情報ネットワーク(HIN)におけるオブジェクトの表現を学習するための、解釈可能で効率的な異種グラフ畳み込みネットワーク(e-HGCN)を提案する。
ie-HGCNは、長さ制限内で可能なすべてのメタパスから、各オブジェクトの有用なメタパスを自動的に抽出することができる。
また、中間HIN変換や近傍の注意を回避して計算コストを削減できる。
論文 参考訳（メタデータ） (2020-05-27T06:06:00Z) - Binarizing MobileNet via Evolution-based Searching [66.94247681870125]
そこで本稿では,MobileNet をバイナライズする際の構築と訓練を容易にするための進化的探索手法を提案する。
ワンショットアーキテクチャ検索フレームワークに着想を得て、グループ畳み込みのアイデアを操り、効率的な1ビット畳み込みニューラルネットワーク(CNN)を設計する。
我々の目標は、グループ畳み込みの最良の候補を探索することで、小さなが効率的なバイナリニューラルアーキテクチャを考案することである。
論文 参考訳（メタデータ） (2020-05-13T13:25:51Z)
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。