論文の概要: SpaPool: Soft Partition Assignment Pooling for__Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2509.11675v1
• Date: Mon, 15 Sep 2025 08:16:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.194118
• Title: SpaPool: Soft Partition Assignment Pooling for__Graph Neural Networks
• Title（参考訳）: SpaPool:__Graphニューラルネットワークのためのソフトパーティション割り当てプール
• Authors: Rodrigue Govan, Romane Scherrer, Philippe Fournier-Viger, Nazha Selmaoui-Folcher,
• Abstract要約: 本稿では,グラフニューラルネットワークの新しいプーリング手法であるSpaPoolを紹介する。 グラフニューラルネットワークの密度とスパース技術の両方の長所を組み合わせたものだ。 グラフの構造的整合性を維持しつつ、そのサイズを効率的に削減することを目的としている。
• 参考スコア（独自算出の注目度）: 3.634532073343371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces SpaPool, a novel pooling method that combines the strengths of both dense and sparse techniques for a graph neural network. SpaPool groups vertices into an adaptive number of clusters, leveraging the benefits of both dense and sparse approaches. It aims to maintain the structural integrity of the graph while reducing its size efficiently. Experimental results on several datasets demonstrate that SpaPool achieves competitive performance compared to existing pooling techniques and excels particularly on small-scale graphs. This makes SpaPool a promising method for applications requiring efficient and effective graph processing.
• Abstract（参考訳）: 本稿では,グラフニューラルネットワークの高密度化とスパース化を両立させる新しいプール法であるスパプールについて紹介する。 SpaPoolグループは、密度とスパースの両方のアプローチの利点を利用して、適応的な数のクラスタに検証する。 グラフの構造的整合性を維持しつつ、そのサイズを効率的に削減することを目的としている。 複数のデータセットに対する実験結果から、SpaPoolは既存のプール技術と比較して競争力があり、特に小規模グラフでは優れていることが示されている。 これにより、効率よく効果的なグラフ処理を必要とするアプリケーションにとって、SpaPoolは有望な方法になる。

関連論文リスト

• BN-Pool: a Bayesian Nonparametric Approach to Graph Pooling [6.952045528182883]
  グラフニューラルネットワーク(GNN)のための最初のクラスタリングに基づくプール手法BN-Poolを紹介する。 BN-Pool は粗いグラフ内のスーパーノードの数を適応的に決定する。 BN-Poolは多種多様なベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2025-01-16T20:15:12Z)
• Careful Selection and Thoughtful Discarding: Graph Explicit Pooling Utilizing Discarded Nodes [53.08068729187698]
  本稿では,ノードと最終表現ベクトルの関係を明示的に活用してノードを選択するグラフ明示プール法を提案する。 提案手法の有効性を検証するため,12種類の広く使用されているデータセットを対象とした総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-11-21T14:44:51Z)
• On the Effectiveness of Hybrid Pooling in Mixup-Based Graph Learning for Language Processing [20.812886172494082]
  グラフニューラルネットワーク(GNN)ベースのグラフ学習は、自然言語やプログラミング言語処理で人気がある。 近年,グラフ学習タスクにおいてGNNを強化するために,Manifold-Mixupが広く採用されている。 本稿では,グラフプーリング演算子がMixupに基づくグラフ学習の性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2022-10-06T14:37:24Z)
• Higher-order Clustering and Pooling for Graph Neural Networks [77.47617360812023]
  グラフニューラルネットワークは、多数のグラフ分類タスクにおいて最先端のパフォーマンスを達成する。 HoscPoolはクラスタリングベースのグラフプーリング演算子で、階層的に高階情報をキャプチャする。 グラフ分類タスクにおいてHoscPoolを評価し,そのクラスタリングコンポーネントを地層構造を持つグラフ上で評価する。
  論文  参考訳（メタデータ） (2022-09-02T09:17:10Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• Edge but not Least: Cross-View Graph Pooling [76.71497833616024]
  本稿では,重要なグラフ構造情報を活用するために,クロスビューグラフプーリング(Co-Pooling)手法を提案する。 クロスビュー相互作用、エッジビュープーリング、ノードビュープーリングにより、相互にシームレスに強化され、より情報的なグラフレベルの表現が学習される。
  論文  参考訳（メタデータ） (2021-09-24T08:01:23Z)
• Second-Order Pooling for Graph Neural Networks [62.13156203025818]
  グラフプーリングとして2次プールを提案するが、これは上記の課題を自然に解決する。 グラフニューラルネットワークによる2次プールの直接利用は、実用的な問題を引き起こすことを示す。 本稿では,2次プールに基づく2つの新しいグローバルグラフプーリング手法,すなわちバイリニアマッピングと2次プールを提案する。
  論文  参考訳（メタデータ） (2020-07-20T20:52:36Z)

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。