| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-01-19 10:00 LSTMと条件付きVAEを用いた構造的特徴を高精度に指定可能なグラフ生成モデル ○横山昂大・佐藤良紀（長岡技科大）・津川 翔（筑波大）・渡部康平（長岡技科大）  IN2022-52 |
|
| 抄録 | （和） | 近年，グラフを用いたアプリケーションの需要は高まっているが，実世界のグラフデータの利用はプライバシーなどの観点から難しい側面がある．そこで，既存のグラフ生成モデルは実世界のグラフの特徴を持ったデータセットの提供に役立つが，任意のグラフ特徴量だけを調整したグラフを生成することは難しい．我々は，この問題に対して与えられたグラフデータセットの特徴を模倣しつつ，特定の特徴量を連続的に調整したグラフを生成可能な生成モデルGraphTuneを提案してきたが，特徴量の調整精度については十分な精度が得られていなかった．本稿では，GraphTuneにグラフ特徴量の推定誤差をフィードバックする機構を追加し，交互に独立して学習させることにより劇的な精度向上を達成する手法を提案する．実グラフデータを用いた実験により，生成されるグラフの特徴量の分布が先鋭化し，高い精度で特徴量を調整可能であることを示した． |
| （英） | In recent years, there has been an increasing interest in developing models for learning and generating graphs using deep learning techniques. We developed graph generation model focusing on new aspects of graphs and compared it with baselines. The results showed that our proposed model outperforms the baseline on several indices. | |
| キーワード | （和） | ネットワーク / グラフ / 条件付きVAE / LSTM / 条件付き生成 / 機械学習 / / |
| （英） | Network / Graph / Conditional VAE / LSTM / Conditional generation / Machine learning / / | |
| 文献情報 | 信学技報, vol. 122, no. 342, IN2022-52, pp. 1-6, 2023年1月. | |
| 資料番号 | IN2022-52 | |
| 発行日 | 2023-01-12 (IN) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IN2022-52 |
|
| 研究会情報 | |
| 研究会 | IN |
| 開催期間 | 2023-01-19 - 2023-01-20 |
| 開催地（和） | 愛知県産業労働センター15階 愛知県立大学サテライトキャンパス |
| 開催地（英） | Aichi Industry & Labor Center |
| テーマ（和） | コンテンツ配信/流通、ソーシャルネットワーク(SNS)、データ分析・処理基盤、ビッグデータ及び一般 |
| テーマ（英） | Contents Distribution, Social Networking Services, Data Analytics and Processing Platform, Big data, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2023-01-IN |
| 本文の言語 | 日本語 |
| タイトル（和） | LSTMと条件付きVAEを用いた構造的特徴を高精度に指定可能なグラフ生成モデル |
| サブタイトル（和） | |
| タイトル（英） | A Learning-Based Accurate Graph Reconstruction Model with Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワーク / Network |
| キーワード(2)（和/英） | グラフ / Graph |
| キーワード(3)（和/英） | 条件付きVAE / Conditional VAE |
| キーワード(4)（和/英） | LSTM / LSTM |
| キーワード(5)（和/英） | 条件付き生成 / Conditional generation |
| キーワード(6)（和/英） | 機械学習 / Machine learning |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 横山 昂大 / Takahiro Yokoyama / ヨコヤマ タカヒロ |
| 第1著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 良紀 / Yoshiki Sato / サトウ ヨシキ |
| 第2著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 津川 翔 / Sho Tsugawa / ツガワ ショウ |
| 第3著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. Tsukuba) |
| 第4著者 氏名（和/英/ヨミ） | 渡部 康平 / Kohei Watabe / ワタベ コウヘイ |
| 第4著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-01-19 10:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2022-52 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.342 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2023-01-12 (IN) |
[研究会発表申込システムのトップページに戻る]