論文の概要: Generating Directed Graphs with Dual Attention and Asymmetric Encoding

• arxiv url: http://arxiv.org/abs/2506.16404v1
• Date: Thu, 19 Jun 2025 15:35:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.141442
• Title: Generating Directed Graphs with Dual Attention and Asymmetric Encoding
• Title（参考訳）: デュアルアテンションと非対称符号化によるダイレクトグラフの生成
• Authors: Alba Carballo-Castro, Manuel Madeira, Yiming Qin, Dorina Thanou, Pascal Frossard,
• Abstract要約: 離散フローマッチングフレームワーク上に構築された有向グラフの最初の生成モデルであるDirectoを提案する。 提案手法は,非対称なペアワイズ関係に適合する原理的位置エンコーディングと,(ii)入出力依存と出出力依存の両方を捉える二重アテンション機構と,(iii)頑健で離散的な生成機構を組み合わせたものである。 本研究は,提案手法の有効性と汎用性を強調し,有向グラフ生成における今後の研究の基盤を確立するものである。
• 参考スコア（独自算出の注目度）: 41.979242767509064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Directed graphs naturally model systems with asymmetric, ordered relationships, essential to applications in biology, transportation, social networks, and visual understanding. Generating such graphs enables tasks such as simulation, data augmentation and novel instance discovery; however, directed graph generation remains underexplored. We identify two key factors limiting progress in this direction: first, modeling edge directionality introduces a substantially larger dependency space, making the underlying distribution harder to learn; second, the absence of standardized benchmarks hinders rigorous evaluation. Addressing the former requires more expressive models that are sensitive to directional topologies. We propose Directo, the first generative model for directed graphs built upon the discrete flow matching framework. Our approach combines: (i) principled positional encodings tailored to asymmetric pairwise relations, (ii) a dual-attention mechanism capturing both incoming and outgoing dependencies, and (iii) a robust, discrete generative framework. To support evaluation, we introduce a benchmark suite covering synthetic and real-world datasets. It shows that our method performs strongly across diverse settings and even competes with specialized models for particular classes, such as directed acyclic graphs. Our results highlight the effectiveness and generality of our approach, establishing a solid foundation for future research in directed graph generation.
• Abstract（参考訳）: ディレクテッドグラフは、非対称で順序づけられた関係を持つシステムを自然にモデル化し、生物学、輸送学、ソーシャルネットワーク、視覚的理解の応用に不可欠である。 このようなグラフの生成は、シミュレーション、データ拡張、新しいインスタンス発見といったタスクを可能にする。 第一に、エッジの方向性をモデル化することは、依存性空間を大幅に大きくし、基礎となる分布を学習しにくくする;第二に、標準化されたベンチマークが存在しないことは、厳密な評価を妨げる。 前者に対応するには、方向トポロジに敏感なより表現力のあるモデルが必要である。 離散フローマッチングフレームワーク上に構築された有向グラフの最初の生成モデルであるDirectoを提案する。 私たちのアプローチは次の2つを組み合わせています。 (i)非対称な対関係に適合した原則的位置符号化 (二)入出物両方の依存関係を捕捉する二重注意機構、及び (三)頑丈で離散的な生成の枠組み。 評価を支援するために,合成および実世界のデータセットをカバーするベンチマークスイートを導入する。 その結果,本手法は多種多様な設定にまたがって強く機能し,有向非巡回グラフなど,特定のクラスの特殊モデルと競合することがわかった。 本研究は,提案手法の有効性と汎用性を強調し,有向グラフ生成における今後の研究の基盤を確立するものである。

関連論文リスト

• GraphOracle: A Foundation Model for Knowledge Graph Reasoning [9.894106590443714]
  知識グラフ間の推論を統一する関係中心基盤モデルであるtextbftextscGraphOracleを紹介する。 クエリ依存型アテンション機構は,関係性と実体性の両方について帰納的表現を学習するために開発された。 多様な知識グラフの事前学習と、数分レベルの微調整により、実体、関係、グラフ全体に対する効果的な一般化が可能となる。
  論文  参考訳（メタデータ） (2025-05-16T11:14:57Z)
• Massive Activations in Graph Neural Networks: Decoding Attention for Domain-Dependent Interpretability [0.9499648210774584]
  エッジ機能グラフニューラルネットワーク(GNN)における注意層内のマスアクティブ(MA)の出現を示す。 本研究は,ZINC,TOX21,ProteINSなどのベンチマークデータセットを用いて,エッジ機能付き注目型GNNモデルの評価を行う。
  論文  参考訳（メタデータ） (2024-09-05T12:19:07Z)
• Graph Generation with Diffusion Mixture [57.78958552860948]
  グラフの生成は、非ユークリッド構造の複雑な性質を理解する必要がある実世界のタスクにとって大きな課題である。 本稿では,拡散過程の最終グラフ構造を明示的に学習することにより,グラフのトポロジーをモデル化する生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:07:46Z)
• Heterogeneous Graph Neural Networks using Self-supervised Reciprocally Contrastive Learning [102.9138736545956]
  不均一グラフニューラルネットワーク(HGNN)は異種グラフのモデリングと解析において非常に一般的な手法である。 我々は,ノード属性とグラフトポロジの各ガイダンスに関する2つの視点を取り入れた,新規で頑健なヘテロジニアスグラフコントラスト学習手法であるHGCLを初めて開発する。 この新しいアプローチでは,属性とトポロジに関連情報を別々にマイニングする手法として,異なるが最も適した属性とトポロジの融合機構を2つの視点に適用する。
  論文  参考訳（メタデータ） (2022-04-30T12:57:02Z)
• EXPERT: Public Benchmarks for Dynamic Heterogeneous Academic Graphs [5.4744970832051445]
  グラフ予測タスクのために開発されたモデルの有効性を検証するために,大規模で動的に異種な学術グラフを提案する。 我々の新しいデータセットは、人工知能(AI)と核拡散(NN)の2つのコミュニティにわたる科学出版物から抽出された文脈情報と内容情報の両方をカバーしている。
  論文  参考訳（メタデータ） (2022-04-14T19:43:34Z)
• 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)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。