[2019]Hyperlink Regression via Bregman Divergence

[takumi7110]

【背景】
• ハイパーリンク回帰（HLR）の提案
• 既存のリンク回帰手法は2つのノード間のリンク重みに限定されている
• 既存のグラフ埋め込み手法は複雑なハイパーリンク重みを扱えない
【目的】
• Bregmanハイパーリンク回帰（BHLR）を提案する
• 任意のBregmanダイバージェンスを使用してハイパーリンク重みを予測する
• 既存の手法を包括し、統一的な理論的保証を提供する
【手法】
• ユーザー指定の類似度関数を使用して、U-tupleに格納されたデータベクトルからハイパーリンク重みを予測する
• 類似度関数には非線形関数（例：ニューラルネットワーク）を使用できる
• BHLRはBregmanダイバージェンスを最小化することで、ハイパーリンク重みと対応するタプルの類似度の推定値との間の差を最小化する
【実験方法】
• BHLRが既存の手法（ロジスティック回帰、ポアソン回帰、リンク予測、グラフ埋め込みなど）を包括していることを示す
• ハイパーリンク重みの予測性能を実験的に評価する
【実験結果】
• BHLRは既存の手法と同等の予測性能を示す
• ハイパーリンク重みの予測において、BHLRは統一的な理論的保証を提供する
【考察】
• BHLRはハイパーリンク重みの予測において有望な手法であることが示された
• BHLRは任意のBregmanダイバージェンスを使用できるため、さまざまな損失関数を選択できる
• BHLRはハイパーリンクデータに対して効率的に計算できることが示された

[takumi7110]

https://arxiv.org/abs/1908.02573