Увійти
ідея - グラフ分析
リンク予測のための持続的ホモロジー - 解釈可能な特徴抽出
持続的ホモロジー(PH)を用いて、ターゲットリンクの有無がグラフの全体的な位相に与える影響を分析し、リンク予測を行う。
新しいカテゴリーの検出: サブポピュレーションシフトに対する堅牢性
サブポピュレーションシフトの中で、属性付きグラフ上の新規カテゴリーに属するノードを効率的に検出する手法を提案する。
大規模グラフにおける神経ネットワークを用いた属性付きコミュニティ検索
本論文では、大規模グラフにおける効率的かつ効果的な属性付きコミュニティ検索手法ALICEを提案する。ALICEは、候補サブグラフの抽出と一貫性を考慮したネットワーク(ConNet)によるコミュニティ検索の2段階で構成される。候補サブグラフ抽出では、新しい密度スケッチモジュラリティを提案し、構造的凝集性と属性の同質性の両方を考慮する。ConNetでは、クロスアテンションエンコーダ、構造属性一貫性、局所一貫性の3つの主要コンポーネントを備え、クエリと入力グラフの相互作用を効果的にモデル化する。実験結果は、ALICEが精度、効率、スケーラビリティの面で優れていることを示している。
効率的な教師なし共同体検索のための事前学習済みグラフトランスフォーマー
本論文では、教師なし共同体検索のための新しい枠組みTransZeroを提案する。TransZeroは、オフラインの事前学習フェーズとオンラインの検索フェーズから成る。事前学習フェーズでは、自己教師あり損失関数を用いて、共同体情報とグラフ構造を表現するCSGphormerを学習する。オンラインの検索フェーズでは、事前学習したCSGphormerを用いて共同体スコアを計算し、期待スコアゲインを最大化する新しい関数に基づいて共同体を同定する。
Продукти
© 2024 by Linnk AI