A Structural Smoothing Framework For Robust Graph-Comparison
-
Pinar Yanardag, S. V. N. Vishwanathan
-
NIPS 2015
概要だけ
-
R-convolutionの問題
-
特徴空間がデカイと、自分以外とは類似しにくい(対角優位問題)
-
低次数部分構造(ちっちゃい部分グラフ)が分布を占めてしまう
-
部分構造は互いに関連しているけど、R-convolutionはEXACTを要求するので微妙
-
Deep Graph Kernelとはここが違うらしい
-
解決法
-
頻度ベクトルを平滑化する
-
色んな部分グラフを層っぽい感じに捉えて、関連性で平滑化
-
アイデア: Maximum Likelihood Estimateと平滑化
-
p1,p2,…pnみたいな確率分布を見積もりたい場合は、普通はCOUNTINGをする
-
ゼロだらけでやばお
-
Absolute discounting・Interpolated Kneser-Neyなる平滑化手法があるらしい
-
これを構造的な部分グラフに頑張って適用する
-
部分グラフをノードとするDAGを作る
-
Graphlet、Weisfeiler-Lehmen、Shortest-Pathについてそれぞれ頑張る
-
実際は高級そうな事をしている
-
実験
-
生物学系のデータセットで平滑化するとちょっと良くなった!
まとめ
NIPS グラフカーネル
2016/12/25
最終更新:2016年12月25日 23:17