論文の概要: Concorde: Geometry-Aware Link Prediction via Decoupled Energy Minimization

• arxiv url: http://arxiv.org/abs/2610.36204v1
• Date: Mon, 26 Oct 2026 19:41:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.425313
• Title: Concorde: Geometry-Aware Link Prediction via Decoupled Energy Minimization
• Title（参考訳）: 結論:デカップリングエネルギー最小化による幾何学的リンク予測
• Abstract要約: リンク確率を3つの構造的に分離した分岐に分解するフレームワークであるConcordeを紹介する。 スパース、高密度、非機能、属性の5つのベンチマークで、Concordeは最先端の早期検索精度を確立し、スパース設定でベースラインをリードするP@10%をほぼ倍にしている。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Link prediction remains difficult in sparse graphs, where diffusion heuristics lack connectivity and geometric methods suffer spectral instability when coupling learned representations with diffusion operators. We introduce Concorde, an energy-based framework that resolves this by decomposing link likelihood into three structurally decoupled branches: (i) a parameter-free spectral anchor that establishes permutation-invariant topological stability; (ii) a mixed-curvature residual on a learnable $\mathbb{H}^{d_h}_{c_h} \times \mathbb{S}^{d_s}_{c_s}$ product manifold, regularized by a feature-aware Ollivier-Ricci curvature proxy; and (iii) a continuous vector field on the tangent bundle of hyperbolic space for non-local structural alignment across topological gaps. The branches are fused via learned gating and trained with an N-pair ranking loss aligned with retrieval-style evaluation. Across five benchmarks spanning sparse, dense, featureless, and attributed regimes, Concorde establishes state-of-the-art early retrieval precision, nearly doubling P@10% over leading baselines in sparse settings.
• Abstract（参考訳）: 拡散ヒューリスティックは接続性に欠け、幾何学的手法は、学習された表現と拡散演算子を結合する際にスペクトル不安定を被る。 我々はConcordeというエネルギーベースのフレームワークを導入し、リンク確率を3つの構造的に分離された枝に分解することでこれを解決した。 i) 置換不変位相安定性を確立するパラメータフリースペクトルアンカー (ii) 学習可能な$\mathbb{H}^{d_h}_{c_h} \times \mathbb{S}^{d_s}_{c_s}$積多様体上の混合曲率残差。 3) 双曲空間の接束上の連続ベクトル場は、位相的ギャップを横断する非局所構造的アライメントに対して成立する。 ブランチは学習ゲーティングを通じて融合され、検索スタイルの評価に合わせたNペアランキングの損失でトレーニングされる。 スパース、高密度、非機能、属性の5つのベンチマークで、Concordeは最先端の早期検索精度を確立し、スパース設定でベースラインをリードするP@10%をほぼ倍にしている。

関連論文リスト

• Operational Regimes in Non-Convex Optimization: A Multiplier-Based Taxonomy [1.1907026010541673]
  本稿では,KKT定常点におけるラグランジュ乗算器の符号に基づく制約付き非制約最適化のための構造的分類法を提案する。 ベクトルのない4つの形は、この二重空間を非制約、リソース制限、飽和、強い結合、ハイブリッドの5つの運用体制に分割する。
  論文  参考訳（メタデータ） (2026-08-31T23:22:05Z)
• Contraction Analysis of Holomorphic Dynamical Systems via the Intrinsic Kobayashi Metric [0.0]
  本論文では、無限小小林計量による正則力学系の漸進安定性について研究する。 収縮は、軌道に沿った小林計量上の上二微分不等式として定式化される。
  論文  参考訳（メタデータ） (2026-08-01T17:06:21Z)
• Unified Geometry-Guided ML-FTLE for Tracking Transient Chaos from Scalar Time Series [0.0]
  本稿では,予測軌道の偏差をマクロ的な誘引形態と統合し,突発的な状態変化を追跡する幾何学誘導型機械学習フレームワークを提案する。 この方程式のないフレームワークは、複雑な非定常系の構造遷移を監視するために、高精度でノイズ耐性のある診断を提供する。
  論文  参考訳（メタデータ） (2026-06-05T15:22:57Z)
• The Devil is in the Spectrum: Mitigating Representation Collapse in LLMs via Topologically Regularized Side-Path [10.000577340093434]
  Topologically Regularized Side-Path (TRSP) は、スペクトルバランスを実現する非侵襲的なアーキテクチャ介入である。 TRSPは、トークンの相互作用トポロジを規則化するために、軽量で長さ対応のゲートで拡張されたパラメータフリーの三角形ボックス機構を採用している。 実験では、一般的な機能と長期コンテキストベンチマークにまたがる大幅な改善が示されている。
  論文  参考訳（メタデータ） (2026-06-02T09:11:50Z)
• Convex Distance Operator Transport: A Convex and Geometry-Preserving Formulation [9.94046521985351]
  異種領域間の分散を整列する最初の凸最適輸送フレームワークであるConvex Distance Transport Operator (CDOT)を紹介する。 CDOTは、距離と条件付き期待演算子を導入することで集約された距離構造を整列する演算子ベースの正規化を用いる。
  論文  参考訳（メタデータ） (2026-06-01T10:38:09Z)
• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning [52.452902154360565]
  GTSA-PCAは主成分分析の幾何学的拡張である。 曲率認識と測地的整合性を統合されたスペクトルフレームワークに統合する。 以上の結果から,GTSA-PCAは次元減少に対する統計的および幾何学的アプローチの原則的ブリッジとして位置づけられた。
  論文  参考訳（メタデータ） (2026-04-20T20:36:36Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
  グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。 VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。 合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
  論文  参考訳（メタデータ） (2026-01-30T03:59:38Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)

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。