サインイン
インサイト - 그래프 임베딩
일반 그래프 및 노드 분류를 위한 인코더 임베딩: 점근적 특성 및 최적 분류 성능 분석
본 논문에서는 이진 그래프, 가중 그래프, 거리 행렬 및 커널 행렬을 포함한 일반 그래프 모델에 적용할 때 원-핫 그래프 인코더 임베딩의 점근적 이론적 특성을 제시하고, 다양한 일반 그래프 데이터 세트에 대한 지도 학습에서 인코더 임베딩의 우수한 성능을 실험적으로 입증합니다.
동적 다중 그래프의 이중 펼침 인접 스펙트럼 임베딩
이 논문에서는 시간에 따라 진화하고 노드 간에 여러 유형의 연결을 나타내는 동적 다중 그래프를 위한 효율적인 스펙트럼 임베딩 방법인 DUASE(Doubly Unfolded Adjacency Spectral Embedding)를 제안합니다.
그래프 임베딩에서 Skip-Gram Negative Sampling의 재검토: 더 효율적인 비유사성 보존을 위한 차원 정규화
그래프 임베딩 알고리즘에서 노드 간 비유사성을 보존하는 비용 효율적인 방법으로 차원 정규화를 제안한다.
그래프의 타원체 임베딩
그래프의 노드를 타원체 표면 상의 좌표로 임베딩하는 방법을 제안한다. 이 방법은 스펙트럼 임베딩 기법의 대안이 될 수 있으며, 모듈러리티 최대화와 같은 그래프 분석 문제에 활용될 수 있다.
생태 네트워크에서 편향 샘플링을 고려한 공정한 잠재 표현을 위한 이분 그래프 변이셔널 오토인코더
생태 네트워크에서 편향 샘플링을 고려한 공정한 잠재 표현을 위한 이분 그래프 변이셔널 오토인코더의 제안
© 2024 by Linnk AI