グラフ構造を畳み込む -Graph Convolutional Networks- - Qiita
こんにちは． 今回は最近何かと話題になってる Graph Convolutional Networks における，グラフ構造の畳み込みについてまとめました． Modeling Relational Data with Graph Convolutional Networks が原著です． Relationalですので，エッジに関係性を持ったようなグラフのお話ですね． 理論的な説明記事はいくつかネット上で見かけたのですが，イメージ的に理解したかったので，図を交えながら解説します． ここでは詳しい数学的理論やその後のタスクへの適用には触れませんが，本記事を読むことで， グラフ構造の畳み込み方を理解する ことを目的としています． その名の通り，グラフ構造を畳み込むネットワークです． 畳み込みネットワークといえばまずCNNが思い浮かぶと思いますが，基本的には画像に適用されるものであり（自然言語等に
Modeling Relational Data with Graph Convolutional Networks
Knowledge graphs enable a wide variety of applications, including question answering and information retrieval. Despite the great effort invested in their creation and maintenance, even the largest (e.g., Yago, DBPedia or Wikidata) remain incomplete. We introduce Relational Graph Convolutional Networks (R-GCNs) and apply them to two standard knowledge base completion tasks: Link prediction (recove
機は熟した！グラフ構造に対するDeep Learning、Graph Convolutionのご紹介 - ABEJA Tech Blog
はじめまして。ABEJAでResearcherをやらせていただいている白川です。 先日、化合物の物性推定をDeep Learningをつかって従来手法より300,000倍高速に処理するという論文がでました（[1], [2]）。この論文の手法は、Graph Convolutionというグラフ上に定義されたConvolution演算がベースとなっています。物性推定に限らず、グラフ解析全般を Deep Learning で上手にこなせるようになれば、Deep Learningのアプリケーションの幅がぐっと拡がり、さらなるイノベーションが起きそうな予感がします。 ICMLやNIPSなどの機械学習系の主要国際会議でも数年前からGraph Convolutionについての論文がちらほら出現しはじめており、とくに最近その勢いが増してきている印象があります。個人的にも最近（前から？）にわかにグラフづいてい
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
