医学多組学データ分析における多重先験知識グラフニューラルネットワーク 背景紹介 精密医療は将来の医療保健において重要な分野であり、患者に個別化された治療計画を提供することにより、治療効果を改善しコストを削減します。例えば、乳がん患者の複雑な臨床、病理、および分子特性を考えると、同じ治療が異なる効果を示すことがあります。バイオ医学技術の急速な発展に伴い、多組学データを通じて疾病の特性化が可能になっています。多組学アプローチは単一組学アプローチに比べて、複数のデータ間で一貫性と補完的な情報を捉えることができ、より正確かつ深くモデルを構築することができます。例えば、がんゲノム図譜（The Cancer Genome Atlas, TCGA）は、mRNA 発現、DNA メチル化、およびコピー数変異（...

動的グラフ表現の時間集約と伝搬グラフニューラルネットワーク 背景紹介 動的グラフ（temporal graph）は、連続した時間の中でノード間に動的なインタラクションが存在するグラフ構造であり、グラフのトポロジー構造は時間の経過とともに変化し続けます。このような動的な変化はノードが異なる時間点で異なる嗜好を示すことを可能にし、ユーザーの嗜好を捉えて異常行動を検出する上で非常に重要です。しかし、既存の研究は通常、限られた近隣ノード生成による動的表現を採用しており、これが性能の低下と高いレイテンシーオンライン推論の問題を引き起こしています。これらの課題に対処するために、本論文は新しい時間グラフ畳み込み法である時間集約と伝搬グラフニューラルネットワーク（Temporal Aggregation a...

ナレッジエンハンスドグラフニューラルネットワークを用いた説明可能な推薦 導入 オンライン情報の爆発的な増加に伴い、推薦システムは情報過多問題を解決するうえで重要な役割を果たしています。従来の推薦システムは通常、ユーザの履歴に基づいて推薦を生成する協調フィルタリング（Collaborative Filtering、以下CF）方法に依存しています。CF方法は主にメモリベースとモデルベースの技術に分かれます。メモリベースの方法にはユーザベースやアイテムベースのCFがあり、モデルベースの方法は行列分解などのモデルを学習して推薦を行います。近年、ディープラーニング技術は情報検索や推薦システムの研究において非常に高い有効性を示しています。多くのディープラーニングに基づく推薦方法が高い推薦性能を達成してい...

グラフに基づいたサンプリングなしの知識グラフ強化推薦 近年、知識グラフ（Knowledge Graph, KG）を強化した推薦システムは、コールドスタート問題や推薦システムの可解釈性を解決するために、多くの研究者の関心を集めています。既存の推薦システムは、購入履歴などの暗黙のフィードバックに焦点を当てることが多く、負のフィードバックが不足しています。大部分のシステムは暗黙のフィードバックデータを処理するために負のサンプリング戦略を採用していますが、これでは潜在的な正のユーザー-アイテムの相互作用が見過ごされる可能性があります。他の研究ではサンプリングなし戦略を採用し、観察されていない全ての相互作用を負のサンプルと見なして、各負のサンプルに正のサンプルの確率を示す重みを割り当てています。しかし...

知識に基づく推薦システム：コンテクスチュアライズド・グラフ・アテンション・ネットワーク 近年、オンライン情報とコンテンツの爆発的な増加に伴い、推薦システムは電子商取引サイトやソーシャルメディアプラットフォームなどの様々なシーンでますます重要になっています。これらのシステムは通常、ユーザーが興味を持つ可能性のあるアイテムのリストを提供することを目的としています。しかし、従来のユーザー行動データに基づく方法（例えば、協調フィルタリング、深層学習）はデータの希少性やコールドスタート問題に直面しています。これらの問題を解決するために、研究者はユーザーのソーシャルネットワークやレビューのテキストなど、様々な補助情報（side information）を推薦システムに取り入れることを試みています。 研究...