Develop Graph-Driven AI Technologies Graphs serve as a universal, cross-disciplinary language for modeling complex systems
欠損特徴を含むグラフに対応したグラフ畳み込みネットワーク
特徴欠損をガウス混合モデルで表現し,第1層で期待値を計算することで頑健に学習できるGCN拡張モデル
Hibiki Taguchi, Xin Liu, and Tsuyoshi Murata
Future Generation Computer Systems, vol.117, pp.155-168, 2021
論文 ソースコード Pre-Trained Model
欠損特徴を含むグラフに対応したハイブリッド学習モデル
従来型のラベル伝播法と,GNNによる特徴伝播法を統合したアプローチ
Sukwon Yun, Xin Liu, Yunhak Oh, Junseok Lee, Tianlong Chen, Tsuyoshi Murata, and Chanyoung Park
KDD 2025, pp.3704-3715
ノードランキングを高速に近似するためのグラフニューラルネットワークモデル
制約付きメッセージパッシングによりノード特徴を伝播し,ベットウィーンネス中心性を近似する帰納型GNNモデル
Sunil Kumar Maurya, Xin Liu, and Tsuyoshi Murata
ACM Transactions on Knowledge Discovery from Data, vol.15, no.5, article 78, 2021
特徴選択の視点から構造を簡潔化したノード分類向けグラフニューラルネットワークモデル
特徴集約と表現学習を分離し,構造をシンプルにした浅層GNNアーキテクチャ
Journal of Computational Science, vol.62, 101695, 2022
特徴選択を強化したノード分類向けグラフニューラルネットワーク
ノード分類に有効な特徴を選び出すために二つのネットワークを組み合わせたGNNアーキテクチャ
CAAI Transactions on Intelligence Technology, vol.8, pp.14-28, 2023
疾患サブタイプ特異的な遺伝子相互作用ネットワークの推定
患者ごとの遺伝子発現データと既存の遺伝子相互作用ネットワークを統合し,サブタイプごとの特徴を反映した遺伝子ネットワークを構築する手法
Ziwei Yang, Zheng Chen, Xin Liu, Rikuto Kotoge, Peng Chen, Yasuko Matsubara, Yasushi Sakurai, and Jimeng Sun
CIKM 2020, pp.685-694
任意の時間精度に対応するテンポラル知識グラフの表現学習
時間粒度や過去の文脈に応じて基底表現を調整し,任意時点のエンティティ・関係表現を取得できる柔軟なテンポラルKGE手法
3D点群におけるマルチスケールのエッジ条件付き法線推定
表面法線の変化を形状エッジとして扱う推定手法
Haoyi Xiu, Xin Liu, Weimin Wang, Kyoung-Sook Kim, and Masashi Matsuoka
3D点群セグメンテーションにおけるエッジ活用型学習手法
拡散モデルの枠組みに基づき,点群中の有用なエッジ成分を増強し,不要な不連続成分を抑圧するモジュール
Haoyi Xiu, Xin Liu, Weimin Wang, Kyoung-Sook Kim, Takayuki Shinohara, Qiong Chang, and Masashi Matsuoka
二部グラフに特化したグラフ畳み込みネットワーク
二部グラフの構造特性を考慮した集約機構を組み込んだGNNアーキテクチャ
グローバル・リソースアロケーション行列の分解によるグラフ表現学習
グラフ表現の二つの目的を調整するためのパラメータを導入した汎用的な行列分解手法
上へ戻る