검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Graph Embedding with Outlier-Robust Ratio Estimation 특이치-로버스트 비율 추정을 사용한 그래프 임베딩

Kaito SATTA, Hiroaki SASAKI

  • 조회수

    0

  • 이것을 인용

요약 :

그래프 임베딩의 목적은 그래프 데이터에 대한 저차원 임베딩 함수를 학습하는 것입니다. 기존 방법은 일반적으로 최대 우도 추정(MLE)에 의존하고 조건부 평균 추정(CME)을 통해 임베딩 기능을 학습하는 경우가 많습니다. 그러나 MLE는 이상치 오염에 취약한 것으로 잘 알려져 있습니다. 또한 CME는 그래프 삽입 방법의 적용 가능성을 제한된 범위의 그래프 데이터로 제한할 수 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 그래프 임베딩을 위한 새로운 방법을 제안합니다. 견고한 비율 그래프 임베딩 (RRGE). RRGE는 주어진 데이터 벡터에 대한 링크 가중치의 조건부 확률 분포와 한계 확률 분포 간의 비율 추정을 기반으로 하며 CME 기반 방법보다 더 넓은 범위의 그래프 데이터에 적용할 수 있습니다. 또한, 이상값에 대한 강력한 추정을 달성하기 위해 표준 교차 엔트로피에 대한 강력한 대안인 γ-교차 엔트로피를 사용하여 비율을 추정합니다. 인공 데이터에 대한 수치 실험에 따르면 RRGE는 이상값에 대해 강력하며 CME 기반 방법이 전혀 작동하지 않는 경우에도 잘 수행됩니다. 마지막으로 제안된 방법의 성능은 신경망을 사용하여 실제 데이터 세트에서 시연됩니다.

발행
IEICE TRANSACTIONS on Information Vol.E105-D No.10 pp.1812-1816
발행일
2022/10/01
공개일
2022/07/04
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022EDL8033
원고의 종류
LETTER
범주
인공지능, 데이터마이닝

작성자

Kaito SATTA
  Future University Hakodate
Hiroaki SASAKI
  Future University Hakodate

키워드