Computing Expected Motif Counts for Exchangeable Graph Generative Models

要約

【タイトル】交換可能グラフ生成モデルの期待モチーフ数を計算する

【要約】グラフモデルの利用や学習において、グラフ統計量の期待値を推定することは重要な課題である。本研究では、よく使用されるグラフ統計量の一種である期待モチーフ数に対して、スケーラブルな推定手法を提案する。この手法は、グラフデータに対するニューラルネットワークやベイジアン手法で使用される生成混合モデルに適用される。

【要点】

– グラフ統計量の期待値を推定することは重要
– 本研究では、期待モチーフ数の推定手法を提案
– 本手法は、スケーラブルである
– 本手法は、生成混合モデルに適用される
– 生成混合モデルは、グラフデータに対するニューラルネットワークやベイジアン手法で使用される

要約(オリジナル)

Estimating the expected value of a graph statistic is an important inference task for using and learning graph models. This note presents a scalable estimation procedure for expected motif counts, a widely used type of graph statistic. The procedure applies for generative mixture models of the type used in neural and Bayesian approaches to graph data.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI