Fugu-MT 論文翻訳(概要): stCEG: An R Package for Modelling Events over Spatial Areas Using Chain Event Graphs

論文の概要: stCEG: An R Package for Modelling Events over Spatial Areas Using Chain Event Graphs

arxiv url: http://arxiv.org/abs/2507.06726v1
Date: Wed, 09 Jul 2025 10:36:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-10 17:37:43.55195
Title: stCEG: An R Package for Modelling Events over Spatial Areas Using Chain Event Graphs
Title（参考訳）: stCEG: チェーンイベントグラフを用いた空間的イベントモデリングのためのRパッケージ
Authors: Hollie Calley, Daniel Williamson,
Abstract要約: stCEGはRパッケージで、ユーザーはデータからチェインイベントグラフ(CEG)モデルを完全に指定できる。これには、ユーザーがモデルに含めたい空間変数を視覚化する機能が含まれている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: stCEG is an R package which allows a user to fully specify a Chain Event Graph (CEG) model from data and to produce interactive plots. It includes functions for the user to visualise spatial variables they wish to include in the model. There is also a web-based graphical user interface (GUI) provided, increasing ease of use for those without knowledge of R. We demonstrate stCEG using a dataset of homicides in London, which is included in the package. stCEG is the first software package for CEGs that allows for full model customisation.
Abstract（参考訳）: stCEGは、データからチェインイベントグラフ(CEG)モデルを完全に指定し、インタラクティブなプロットを生成するRパッケージである。これには、ユーザーがモデルに含めたい空間変数を視覚化する機能が含まれている。また、Webベースのグラフィカルユーザインタフェース(GUI)も提供されており、Rを知らない人でも使いやすくなっている。 stCEGは、CEG向けの最初のソフトウェアパッケージで、完全なモデルのカスタマイズを可能にする。

関連論文リスト

Personalized Graph-Based Retrieval for Large Language Models [51.7278897841697]
ユーザ中心の知識グラフを利用してパーソナライゼーションを強化するフレームワークを提案する。構造化されたユーザ知識を直接検索プロセスに統合し、ユーザ関連コンテキストにプロンプトを拡大することにより、PGraphはコンテキスト理解と出力品質を向上させる。また,ユーザ履歴が不足あるいは利用できない実環境において,パーソナライズされたテキスト生成タスクを評価するために設計された,パーソナライズドグラフベースのテキスト生成ベンチマークを導入する。
論文参考訳（メタデータ） (2025-01-04T01:46:49Z)
Federated Graph Learning with Graphless Clients [52.5629887481768]
FGL(Federated Graph Learning)は、グラフニューラルネットワーク(GNN)などの機械学習モデルをトレーニングするタスクである。グラフレスクライアントを用いたFGLにおける問題に対処するための新しいフレームワークFedGLSを提案する。
論文参考訳（メタデータ） (2024-11-13T06:54:05Z)
Graph Cross-Correlated Network for Recommendation [23.112962250384506]
本稿では,ユーザ/イテムサブグラフ間の相関関係を明示的に検討するグラフクロスコラーレンス・ネットワーク・フォー・レコメンデーション(GCR)を提案する。 GCRは、インタラクション予測とクリックスルーレート予測タスクの両方において、最先端モデルより優れている。
論文参考訳（メタデータ） (2024-11-02T08:50:11Z)
APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
論文参考訳（メタデータ） (2023-11-06T01:33:24Z)
Location-Free Scene Graph Generation [45.366540803729386]
シーングラフ生成(SGG)は視覚的理解タスクであり、シーンをエンティティのグラフとして記述し、互いに関連付けることを目的としている。既存の作業は、バウンディングボックスやセグメンテーションマスクといった形で位置ラベルに依存しており、アノテーションのコストが増加し、データセットの拡張が制限されている。我々は、この依存関係を破り、位置のないシーングラフ生成(LF-SGG)を導入する。本課題は, 空間的局所化を明示的に計算することなく, 実体のインスタンスと関係性を予測することを目的とする。
論文参考訳（メタデータ） (2023-03-20T08:57:45Z)
Scene Graph Modification as Incremental Structure Expanding [61.84291817776118]
本研究では,既存のシーングラフを自然言語クエリに基づいて更新する方法を学習するために,シーングラフ修正(SGM)に注目した。インクリメンタル構造拡張(ISE)の導入によるグラフ拡張タスクとしてのSGM 既存のデータセットよりも複雑なクエリと大きなシーングラフを含む、挑戦的なデータセットを構築します。
論文参考訳（メタデータ） (2022-09-15T16:26:14Z)
Graph Context Encoder: Graph Feature Inpainting for Graph Generation and Self-supervised Pretraining [4.640835690336652]
グラフコンテキスト(GCE)は、グラフの特徴マスキングと再構成に基づくグラフ表現学習のためのシンプルだが効率的なアプローチである。 GCEモデルは、ノードとエッジラベルがマスクされたグラフオートエンコーダと同様に、入力グラフを効率的に再構築するように訓練される。 GCEは新規なグラフ生成に利用でき、分子生成にも応用できることを示す。
論文参考訳（メタデータ） (2021-06-18T13:28:11Z)
Graph Contrastive Learning Automated [94.41860307845812]
グラフコントラスト学習(GraphCL)は、有望な表現学習性能とともに登場した。 GraphCLのヒンジがアドホックなデータ拡張に与える影響は、データセット毎に手動で選択する必要がある。本稿では,グラフデータ上でGraphCLを実行する際に,データ拡張を自動的に,適応的に動的に選択する統合バイレベル最適化フレームワークを提案する。
論文参考訳（メタデータ） (2021-06-10T16:35:27Z)
Graph Convolution Machine for Context-aware Recommender System [59.50474932860843]
グラフ畳み込みの利点を文脈認識推薦システム(CARS)に拡張する。我々は、エンコーダ、グラフ畳み込み層、デコーダの3つのコンポーネントからなるエンドツーエンドフレームワークである textitGraph Convolution Machine (GCM) を提案する。我々はYelpとAmazonの3つの実世界のデータセットで実験を行い、GCMの有効性とCARSのためのグラフ畳み込みの利点を検証する。
論文参考訳（メタデータ） (2020-01-30T15:32:08Z)

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。