| 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 | 2026-01-26 10:10 グラフトランスフォーマの予測性能に関する初期検討 ○中村 遼（福岡大）  CQ2025-76 |
|
| 抄録 | （和） | 大規模言語モデルにおけるトランスフォーマの成功をきっかけに、トランスフォーマをグラフに基づく機械学習に導入することが進展している。実際、グラフトランスフォーマと呼ばれるアーキテクチャが提案されており、グラフトランスフォーマは GNN (Graph Neural Network) よりグラフ表現の学習に有効である、ということが報告されている。このような動向を鑑みて、著者はグラフトランスフォーマの検討を進めている。本稿は、その現状を報告する。より具体的には、グラフトランスフォーマの概要をまとめる。さらに、その予測性能について簡単な評価を通して検証する。特に、グラフからそのラベル (すなわち、クラス) を予測する「グラフ分類」というタスクに対して、グラフトランスフォーマによる予測精度を検証する。その結果として、グラフトランスフォーマはランダムグラフとスケールフリー性を有するグラフとを分類できる、ということを示す。最後に、グラフトランスフォーマに関する課題を述べる。 |
| （英） | Motivated by the success of Transformers in large language models, the introduction of Transformers into graph-based machine learning has been advancing. Indeed, a variety of architectures referred to as Graph Transformers have been proposed, and it has been reported that Graph Transformers are effective for learning graph representations compared with Graph Neural Networks (GNNs). In light of these trends, the author has begun exploring the potential of Graph Transformers. This paper reports the current status of this investigation. More specifically, we provide an overview of Graph Transformers. In addition, we examine their predictive performance through a simple evaluation. In particular, we focus on a task, graph classification, which predicts the label, i.e., class, of a given graph, and evaluate the prediction accuracy of Graph Transformers. As a result, we demonstrate that Graph Transformers can distinguish between random graphs and graphs with scale-free properties. Finally, we discuss challenges related to Graph Transformers. | |
| キーワード | （和） | グラフトランスフォーマ / GNN (Graph Neural Network) / グラフ表現学習 / / / / / |
| （英） | Graph Transformer / GNN (Graph Neural Network) / Graph Representation Learning / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 335, CQ2025-76, pp. 13-16, 2026年1月. | |
| 資料番号 | CQ2025-76 | |
| 発行日 | 2026-01-19 (CQ) | |
| 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 | CQ2025-76 |
|
| 研究会情報 | |
| 研究会 | CQ CBE |
| 開催期間 | 2026-01-26 - 2026-01-27 |
| 開催地（和） | 別府商工会議所 |
| 開催地（英） | The Beppu Chamber of Commerce and Industry |
| テーマ（和） | ネットワーク科学、計算社会科学、ヒューマンコンピューターインタラクション、データ解析、ユーザー行動、メディア品質、一般 |
| テーマ（英） | Network Science, Computational Social Science, Human Computer Interaction, Data Analysis, User Behaviour, Media Quality, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2026-01-CQ-CBE |
| 本文の言語 | 日本語 |
| タイトル（和） | グラフトランスフォーマの予測性能に関する初期検討 |
| サブタイトル（和） | |
| タイトル（英） | A Preliminary Study on the Predictive Performance of Graph Transformer |
| サブタイトル（英） | |
| キーワード(1)（和/英） | グラフトランスフォーマ / Graph Transformer |
| キーワード(2)（和/英） | GNN (Graph Neural Network) / GNN (Graph Neural Network) |
| キーワード(3)（和/英） | グラフ表現学習 / Graph Representation Learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| 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） | 中村 遼 / Ryo Nakamura / |
| 第1著者 所属（和/英） | 福岡大学 (略称： 福岡大) Fukuoka University (略称： Fukuoka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-01-26 10:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2025-76 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.335 |
| ページ範囲 | pp.13-16 |
| ページ数 | 4 |
| 発行日 | 2026-01-19 (CQ) |
[研究会発表申込システムのトップページに戻る]