ترجمه فارسی مقاله بازنمایی ساختاری و تفریحی برای ارزیابی نمودار کارگروه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Disentangled Structural and Featural Representation for Task-Agnostic Graph Valuation
عنوان مقاله به فارسی بازنمایی ساختاری و تفریحی برای ارزیابی نمودار کارگروه
نویسندگان Ali Falahati, Mohammad Mohammadi Amiri
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Information Theory,Machine Learning,یادگیری ماشین , هوش مصنوعی , تئوری اطلاعات , یادگیری ماشین ,
توضیحات Submitted 22 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

With the emergence of data marketplaces, the demand for methods to assess the value of data has increased significantly. While numerous techniques have been proposed for this purpose, none have specifically addressed graphs as the main data modality. Graphs are widely used across various fields, ranging from chemical molecules to social networks. In this study, we break down graphs into two main components: structural and featural, and we focus on evaluating data without relying on specific task-related metrics, making it applicable in practical scenarios where validation requirements may be lacking. We introduce a novel framework called blind message passing, which aligns the seller's and buyer's graphs using a shared node permutation based on graph matching. This allows us to utilize the graph Wasserstein distance to quantify the differences in the structural distribution of graph datasets, called the structural disparities. We then consider featural aspects of buyers' and sellers' graphs for data valuation and capture their statistical similarities and differences, referred to as relevance and diversity, respectively. Our approach ensures that buyers and sellers remain unaware of each other's datasets. Our experiments on real datasets demonstrate the effectiveness of our approach in capturing the relevance, diversity, and structural disparities of seller data for buyers, particularly in graph-based data valuation scenarios.

چکیده به فارسی (ترجمه ماشینی)

با ظهور بازارهای داده ، تقاضا برای روشها برای ارزیابی ارزش داده ها به میزان قابل توجهی افزایش یافته است.در حالی که تکنیک های بی شماری برای این منظور ارائه شده است ، هیچ کدام به طور خاص نمودارها را به عنوان روش اصلی داده پرداخته اند.نمودارها به طور گسترده ای در زمینه های مختلف مورد استفاده قرار می گیرند ، از مولکول های شیمیایی گرفته تا شبکه های اجتماعی.در این مطالعه ، ما نمودارها را به دو مؤلفه اصلی تقسیم می کنیم: ساختاری و برجسته ، و ما بر ارزیابی داده ها بدون تکیه بر معیارهای خاص مربوط به کار تمرکز می کنیم ، و آن را در سناریوهای عملی که ممکن است نیاز به اعتبار باشد ، کاربرد دارد.ما یک چارچوب جدید به نام Blind Message Passing را معرفی می کنیم که نمودارهای فروشنده و خریدار را با استفاده از یک جابجایی گره مشترک بر اساس تطبیق نمودار تراز می کند.این به ما امکان می دهد تا از فاصله نمودار Wasserstein برای تعیین تفاوت در توزیع ساختاری مجموعه داده های نمودار ، به نام نابرابری های ساختاری استفاده کنیم.سپس ما جنبه های برجسته ای از نمودارهای خریداران و فروشندگان را برای ارزیابی داده ها در نظر می گیریم و شباهت ها و تفاوت های آماری آنها را ضبط می کنیم که به ترتیب به عنوان اهمیت و تنوع گفته می شود.رویکرد ما تضمین می کند که خریداران و فروشندگان از مجموعه داده های یکدیگر بی خبر هستند.آزمایشات ما در مجموعه داده های واقعی نشان دهنده اثربخشی رویکرد ما در ضبط ارتباط ، تنوع و نابرابری های ساختاری داده های فروشنده برای خریداران ، به ویژه در سناریوهای ارزیابی داده های مبتنی بر نمودار است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.