論文の概要: Hyperbolic Graph Embeddings: a Survey and an Evaluation on Anomaly Detection

• arxiv url: http://arxiv.org/abs/2512.18826v1
• Date: Sun, 21 Dec 2025 17:19:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.518946
• Title: Hyperbolic Graph Embeddings: a Survey and an Evaluation on Anomaly Detection
• Title（参考訳）: ハイパーボリックグラフ埋め込み:異常検出に関する調査と評価
• Authors: Souhail Abdelmouaiz Sadat, Mohamed Yacine Touahria Miliani, Khadidja Hab El Hames, Hamida Seba, Mohammed Haddad,
• Abstract要約: 本稿では,双曲グラフ埋め込みモデルについて検討し,異常検出について評価する。 textitHGCAE, textit(mathcalP)-VAE, textitHGCNなどのモデルを評価すると、高いパフォーマンスを示す。 この研究は、異常検出を改善するための双曲空間の可能性を強調し、この分野のさらなる研究を促進するためのオープンソースライブラリを提供する。
• 参考スコア（独自算出の注目度）: 3.15348912304067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This survey reviews hyperbolic graph embedding models, and evaluate them on anomaly detection, highlighting their advantages over Euclidean methods in capturing complex structures. Evaluating models like \textit{HGCAE}, \textit{\(\mathcal{P}\)-VAE}, and \textit{HGCN} demonstrates high performance, with \textit{\(\mathcal{P}\)-VAE} achieving an F1-score of 94\% on the \textit{Elliptic} dataset and \textit{HGCAE} scoring 80\% on \textit{Cora}. In contrast, Euclidean methods like \textit{DOMINANT} and \textit{GraphSage} struggle with complex data. The study emphasizes the potential of hyperbolic spaces for improving anomaly detection, and provides an open-source library to foster further research in this field.
• Abstract（参考訳）: 本研究は, 双曲グラフ埋め込みモデルについて検討し, 異常検出について評価し, 複雑な構造を捉える際のユークリッド法よりもその優位性を強調した。 評価モデルは \textit{HGCAE}, \textit{\(\mathcal{P}\)-VAE}, \textit{HGCN} などのモデルで, \textit{\(\mathcal{P}\)-VAE} は \textit{Elliptic} データセット上で F1-スコア 94\%, \textit{HGCAE} は \textit{Cora} で 80\% のスコアを得た。 対照的に、\textit{DOMINANT} や \textit{GraphSage} のようなユークリッドのメソッドは複雑なデータを扱う。 この研究は、異常検出を改善するための双曲空間の可能性を強調し、この分野のさらなる研究を促進するためのオープンソースライブラリを提供する。

関連論文リスト

• H4G: Unlocking Faithful Inference for Zero-Shot Graph Learning in Hyperbolic Space [13.686764719918413]
  現在のアプローチは過大な双曲型ラジイで動作し、多スケール構造情報を均一な高レベルの抽象化に圧縮する。 この抽象化による情報損失は、正確な予測に不可欠な重要な局所パターンを曖昧にする。 学習可能なブロック対角スケーリング行列とM"obius matrix multiplicationを用いて,埋め込みラジイを体系的に低減するフレームワークである textbfH4G を提案する。 実験により、H4Gはヘテロフィルグラフおよびホモグラフのtextbf12.8%の改善により最先端のゼロショット性能を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-14T02:58:57Z)
• In Search of the Successful Interpolation: On the Role of Sharpness in CLIP Generalization [0.0]
  textitzero-shot と textitfine-tuned のモデルを補間する textttRFT がこの問題に対処するために提案されている。 我々は,テキストtRFTのOOD精度の一般化と,テクスタイトレイヤーワイドシャープネスの相関性を示す。 また,textttRFT におけるtextitstraggler 層内の疎結合を誘導することにより,textitfailure モード現象を緩和できることを実証した。
  論文  参考訳（メタデータ） (2024-10-21T20:03:42Z)
• Efficient Graph Optimization via Distance-Aware Graph Representation Learning [5.216774377033164]
  距離対応マルチホップメッセージパッシングと動的トポロジ改善を統合したグラフ最適化フレームワークである textbfDRTR を提案する。 DRTRは静的前処理と動的再サンプリングの両方を活用して、より深い構造的依存関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-25T05:12:51Z)
• BOURNE: Bootstrapped Self-supervised Learning Framework for Unified Graph Anomaly Detection [50.26074811655596]
  自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。 ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。 BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
  論文  参考訳（メタデータ） (2023-07-28T00:44:57Z)
• Tight and fast generalization error bound of graph embedding in metric space [54.279425319381374]
  非ユークリッド計量空間へのグラフ埋め込みは、既存の有界よりもはるかに少ない訓練データを持つユークリッド空間におけるグラフ埋め込みよりも優れていることを示す。 我々の新しい上限は、既存の上限よりもかなり強く速く、最大で$R$と$O(frac1S)$に指数関数できる。
  論文  参考訳（メタデータ） (2023-05-13T17:29:18Z)
• Coupling Global Context and Local Contents for Weakly-Supervised Semantic Segmentation [54.419401869108846]
  Weakly Supervised Semantic (WSSS)モデルを提案する。 グローバルなオブジェクトコンテキストを異なる粒度空間でキャプチャするために,フレキシブルなコンテキストアグリゲーションモジュールを提案する。 局所的な細粒度を集約するために、ボトムアップパラメータ学習可能な方法で意味的に一貫した特徴融合モジュールを提案する。
  論文  参考訳（メタデータ） (2023-04-18T15:29:23Z)
• Geometry Contrastive Learning on Heterogeneous Graphs [50.58523799455101]
  本稿では,幾何学コントラスト学習(Geometry Contrastive Learning, GCL)と呼ばれる,新しい自己指導型学習手法を提案する。 GCLはユークリッドと双曲的な視点からヘテロジニアスグラフを同時に見ることができ、リッチな意味論と複雑な構造をモデル化する能力の強い融合を目指している。 4つのベンチマークデータセットの大規模な実験は、提案手法が強いベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-25T03:54:53Z)
• Adversarial Linear Contextual Bandits with Graph-Structured Side Observations [80.95090605985042]
  学習エージェントは、$d$-dimensionalコンテキストベクトルで提示された後、一連の$k$アクションから繰り返し選択する。 エージェントは選択されたアクションの損失を誘発し、観察するが、観察構造における隣り合うアクションの損失も観察する。 textttEXP3に基づく2つの効率的なアルゴリズムが開発された。
  論文  参考訳（メタデータ） (2020-12-10T15:40:07Z)
• All you need is a second look: Towards Tighter Arbitrary shape text detection [80.85188469964346]
  長い曲線のテキストインスタンスは、CNNの受信フィールドサイズが制限されているため、断片化されがちである。 矩形や四角形のバウンディングボックスを用いた単純な表現は、より難しい任意の形のテキストを扱う際に不足する。 textitNASKは、予測された幾何学的属性を使用して、より厳密な表現でテキストインスタンスを再構築する。
  論文  参考訳（メタデータ） (2020-04-26T17:03:41Z)

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。