クラス間の分散の最大化に基づくグラフノード埋め込み学習の改善

• Item type: SIG Technical Reports(1)
• 公開日: 2021-11-18
• タイトル: クラス間の分散の最大化に基づくグラフノード埋め込み学習の改善
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 早稲田大学基幹理工学部情報通信学科
• 著者所属: 早稲田大学大学院基幹理工学研究科情報理工・通信専攻
• 著者所属: 早稲田大学大学院基幹理工学研究科情報理工・通信専攻
• 著者所属: 早稲田大学大学院基幹理工学研究科情報理工・通信専攻
• 著者所属(英): en
• 著者所属(英): Department of Communications and Computer Engineering, School of Fundamental Science and Engineering, Waseda University
• 著者所属(英): en
• 著者所属(英): Department of Computer Science and Communications Engineering, Graduate School of Fundamental Science and Engineering, Waseda University
• 著者所属(英): en
• 著者所属(英): Department of Computer Science and Communications Engineering, Graduate School of Fundamental Science and Engineering, Waseda University
• 著者所属(英): en
• 著者所属(英): Department of Computer Science and Communications Engineering, Graduate School of Fundamental Science and Engineering, Waseda University
• 著者名: 井上, 魁人; 方, 鐘熙; 黄, 健明; 笠井, 裕之
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，グラフのノード分類タスクにおいて，Graph Neural Networks (GNN) は著しい精度向上を達成している．しかしながら，グラフノード分類タスクで一般的に損失関数として用いられる交差エントロピーは予測ラベルを正解ラベルに近づけることのみを考慮した関数であり，クラス識別に有効なノード埋め込みが困難である．そこで本稿では，クラス間分散およびクラス内分散に着目し，クラス識別に有効なノード埋め込み手法を提案する．評価実験から，ノード分類精度について提案手法は従来手法と同等かそれ以上の性能を有することを示す．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2021-AVM-115, 号 1, p. 1-4, 発行日 2021-11-18
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会