論文の概要: Unsupervised Attributed Dynamic Network Embedding with Stability Guarantees

• arxiv url: http://arxiv.org/abs/2503.02859v1
• Date: Tue, 04 Mar 2025 18:34:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:21:49.374200
• Title: Unsupervised Attributed Dynamic Network Embedding with Stability Guarantees
• Title（参考訳）: 安定保証を用いた教師なし分散動的ネットワーク埋め込み
• Authors: Emma Ceccherini, Ian Gallagher, Andrew Jones, Daniel Lawson,
• Abstract要約: 動的ネットワークのための安定な教師なし表現学習フレームワークであるAUASE(Unfolded Adjacency Spectrum Embedding)を提案する。 3つの実属性ネットワーク上での最先端のネットワーク表現学習手法と比較することにより,動的埋め込みの利点を定量化する。
• 参考スコア（独自算出の注目度）: 1.7261860761946977
• License:
• Abstract: Stability for dynamic network embeddings ensures that nodes behaving the same at different times receive the same embedding, allowing comparison of nodes in the network across time. We present attributed unfolded adjacency spectral embedding (AUASE), a stable unsupervised representation learning framework for dynamic networks in which nodes are attributed with time-varying covariate information. To establish stability, we prove uniform convergence to an associated latent position model. We quantify the benefits of our dynamic embedding by comparing with state-of-the-art network representation learning methods on three real attributed networks. To the best of our knowledge, AUASE is the only attributed dynamic embedding that satisfies stability guarantees without the need for ground truth labels, which we demonstrate provides significant improvements for link prediction and node classification.
• Abstract（参考訳）: 動的ネットワーク埋め込みの安定性は、異なるタイミングで同じノードが同じことを保証し、ネットワーク内のノードの比較を可能にする。 AUASEは動的ネットワークのための安定な教師なし表現学習フレームワークであり、ノードには時間変化の共変情報がある。 安定性を確立するために、関連する潜在位置モデルに一様収束することを示す。 3つの実属性ネットワーク上での最先端のネットワーク表現学習手法と比較することにより,動的埋め込みの利点を定量化する。 我々の知る限り、AUASEは、基底真理ラベルを必要とせずに安定性保証を満たす唯一の属性の動的埋め込みであり、リンク予測とノード分類の大幅な改善を実証する。

関連論文リスト

• Matcha: Mitigating Graph Structure Shifts with Test-Time Adaptation [66.40525136929398]
  テスト時間適応(TTA)は、ソースドメインに再アクセスすることなく、トレーニング済みのモデルをターゲットドメインに適応できる能力によって注目を集めている。 グラフの構造シフトへの効果的かつ効率的な適応を目的とした,革新的なフレームワークであるMatchaを提案する。 合成と実世界の両方のデータセットに対するMatchaの有効性を検証し、構造と属性シフトの様々な組み合わせにおける頑健さを実証した。
  論文  参考訳（メタデータ） (2024-10-09T15:15:40Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• A Simple and Powerful Framework for Stable Dynamic Network Embedding [6.171990546748666]
  そこで我々は,解釈可能な動的ネットワーク埋め込みを生成するための,確立された静的ネットワーク埋め込み手法を幅広く提案する。 埋め込み次元によらず、これらの展開された手法が安定した埋め込みを生み出すという理論的保証を提供する。 また、動的ネットワーク埋め込みの品質を評価するために使用できる仮説テストフレームワークも定義する。
  論文  参考訳（メタデータ） (2023-11-14T15:38:17Z)
• Reliability-Adaptive Consistency Regularization for Weakly-Supervised Point Cloud Segmentation [80.07161039753043]
  極端に限られたラベルを持つ弱教師付きポイントクラウドセグメンテーションは、高額な注釈付き3Dポイントの収集コストを軽減するのが望ましい。 本稿では、弱教師付き学習において一般的に用いられる一貫性の正則化を、複数のデータ固有の拡張を伴うポイントクラウドに適用することを検討する。 疑似ラベルの信頼性を評価するために,予測信頼性とモデル不確実性を両立させる新しい信頼性適応整合ネットワーク(RAC-Net)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T10:41:57Z)
• Imposing Consistency for Optical Flow Estimation [73.53204596544472]
  プロキシタスクによる一貫性の導入は、データ駆動学習を強化することが示されている。 本稿では,光フロー推定のための新しい,効果的な整合性戦略を提案する。
  論文  参考訳（メタデータ） (2022-04-14T22:58:30Z)
• Link Prediction with Contextualized Self-Supervision [63.25455976593081]
  リンク予測は、ネットワーク内の2つのノード間のリンクの存在を推測することを目的としている。 従来のリンク予測アルゴリズムは、リンク空間、ノード属性ノイズ、ネットワークダイナミクスという3つの大きな課題によって妨げられている。 本稿では,リンク予測のための構造的コンテキスト予測を完全に活用する,コンテキスト適応型自己監視学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-25T03:12:32Z)
• Training Stable Graph Neural Networks Through Constrained Learning [116.03137405192356]
  グラフニューラルネットワーク(GNN)は、ネットワークデータから機能を学ぶためにグラフ畳み込みに依存する。 GNNは、グラフフィルタから受け継いだ特性である、基礎となるグラフの様々な種類の摂動に対して安定である。 本稿では,GNNの安定条件に制約を課すことにより,新たな制約付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-07T15:54:42Z)
• Spectral embedding for dynamic networks with stability guarantees [7.575860121202432]
  動的ネットワークベクトルを埋め込み、各ノードの時間進化表現を得る問題を考える。 これらの性質は、一般的な動的潜在位置モデルの中で正式に定義される。 このモデルを多層ランダムドット積グラフとして再キャストする方法を示す。
  論文  参考訳（メタデータ） (2021-06-02T16:43:43Z)
• DynACPD Embedding Algorithm for Prediction Tasks in Dynamic Networks [6.5361928329696335]
  本稿では,動的ネットワークのテンソル表現に対する高次テンソル分解に基づく動的ネットワークに対する新しい埋め込み手法を提案する。 リンク予測タスクにおけるアルゴリズムの性能を,現在のベースライン手法の配列と比較することにより,提案手法のパワーと効率を実証する。
  論文  参考訳（メタデータ） (2021-03-12T04:36:42Z)
• Modeling Dynamic Heterogeneous Network for Link Prediction using Hierarchical Attention with Temporal RNN [16.362525151483084]
  我々はDyHATRと呼ばれる新しい動的ヘテロジニアスネットワーク埋め込み法を提案する。 階層的な注意を使って異質な情報を学習し、進化パターンを捉えるために時間的注意を伴う繰り返しニューラルネットワークを組み込む。 リンク予測のための4つの実世界のデータセットに対して,本手法をベンチマークした。
  論文  参考訳（メタデータ） (2020-04-01T17:16:47Z)

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。