最近の機械学習において、グラフ生成は重要な課題となっている。既存の方法は高次元の複雑さやグラフ特性の多様性に苦しんでおり、このニーズに効果的に対処することが困難である。本論文では、Neural Graph Generator(NGG)を紹介し、条件付きの潜在拡散モデルを利用してグラフ生成を行う新しいアプローチを提案している。NGGは複雑なグラフパターンをモデル化する能力を示し、グラフ生成プロセスに制御を提供する。NGGは、グラフ圧縮のための変分グラフオートエンコーダと、グラフ統計を要約したベクトルによって導かれる潜在ベクトル空間内で拡散プロセスを使用している。異なる種類のグラフ生成タスクでNGGの柔軟性を実証し、望ましいグラフ特性を捉えて未知のグラフにも一般化する能力を示している。
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Iakovos Evda... ที่ arxiv.org 03-05-2024
https://arxiv.org/pdf/2403.01535.pdfสอบถามเพิ่มเติม