タイムライン検索

2026年6月1日

arXiv:2605.30486v1 センサーグラフ上の時空間予測は通常、すべてのノードに均一に適用される単一のバックボーン構造で対処されるが、グラフ領域は異なるダイナミクスを示す可能性がある。道路セグメントは機能的分類、構造、交通行動が異なることから、ノード単位の専門家の活用が推奨される。

arXiv cs.LG

2026年6月1日

arXiv:2605.30470v1 Graph Machine Learning as a Service（GMLaaS）プラットフォームは、規制上の透明性要件を満たすために説明可能性インターフェースを実装することが増えています。しかし、この透明性はモデル抽出攻撃の悪用可能な脆弱性を生み出します。本論は、特にサブグラフ説明を対象とした初のモデル抽出攻撃を提示しています。

arXiv cs.LG

2026年6月2日

IRS との和解に関する懸念についてトランプ大統領が共和党議員と会談した後、この発表がなされた。

Al Jazeera English

2026年6月2日

司法省は、基金の設立を差し止めた裁判所の判断に「強く異議を唱える」と述べている。

BBC News

2026年6月2日

トランプ政権は、18億ドル規模の非兵器化関連基金の設立差し止めを命じた裁判所の判決に従う方針を表明した。ただし政権内では判決に対する反発も存在する。 司法省は同判決について「強く異議を唱えている」とのコメントを発表。判決の妥当性に疑問を呈する立場を明確にしている。 非兵器化基金は、大量破壊兵器の廃棄や関連施設の解体などを支援する目的で設立が予定されていた。しかし裁判所は基金の設立を認可しない決定を下し、政権はこれに従うことを決断した。 司法省の異議表明により、政権内でもこの判決をめぐる意見の相違が浮き彫りになっている形となった。今後、控訴など法的な対抗措置が検討される可能性も残されている。 （BBC News）

2026年6月8日

ロシア連邦保安庁長官は西側諸国が元戦闘員を兵器化する可能性があると述べたが、アナリストはこの主張に疑問を呈している。

Al Jazeera English

2026年6月9日

ドナルド・トランプ氏は、NBCの「Meet the Press」のインタビューから立ち去った。記者クリスティン・ウェルカーが選挙不正に関する虚偽の主張についてファクトチェックを行い、イラン戦争、彼の物議を醸す「反兵器化」基金、生活費についても質問したが、トランプ氏は一連の虚偽および誇張された回答をした。

France 24

2026年6月16日

自動運転システムは、安全かつ効率的な移動計画のために正確な軌跡予測に依存しています。グラフニューラルネットワーク（GNN）は、道路上のエージェント間の時空間的インタラクションをモデリングするための有望なアプローチとなっています。しかし、軌跡予測のためのGNNアーキテクチャの設計は標準化されておらず、どのグラフ層が空間的インタラクションと時間的ダイナミクスを効果的に捉えられるかについてのガイダンスはほとんどありません。本稿では、19種類のグラフ層について、軌跡予測に最も効果的なアーキテクチャを発見するために、それらの空間的および時間的処理能力に焦点を当てた詳細な比較研究を提供します。探索されたハイパーパラメータ設定内で、ARMA、Chebyshev、およびトポロジー認識層が他の層よりも一貫して優れたパフォーマンスを示し、5つの際立った層の組み合わせを強調します。

arXiv cs.LG

2026年6月23日

説明可能な人工知能（Explainable Artificial Intelligence）は、モデルの出力につながる要素を人間が理解できる方法で提示することにより、ブラックボックスモデルへの信頼性を高めることを目指しています。これには、（i）出力に対する真の因果的影響を持つコンポーネントと接続の特定、（ii）そのような構造の解釈可能な表現への変換の両方が含まれます。前者については、グラフニューラルネットワーク（GNN）を説明するための因果推論に基づいた新しい摂動ベースの方法であるCIExplainerを導入します。CIExplainerは、潜在的結果フレームワークを用いて、GNN予測に対する因果的影響が最も大きいサブグラフを特定します。CIExplainerをさまざまなGNNアーキテクチャ（GCN、GraphSAGE、GAT、GIN）とデータセットで評価・比較します。サブグラフの説明と人間の解釈可能性を橋渡しするために、さらに、特徴レベルと関係性の両方の情報を取り込んだ自然言語の説明に因果サブグラフを変換するG2TeXplainerという手法を提案します。

arXiv cs.LG

2026年6月24日

グラフベースのテキスト分類モデルは、通常、局所的な近傍集約に依存し、意味的な文書グラフが強力なクラス一致クラスタリングを示すにもかかわらず、グローバルなコミュニティ構造を見落としています。これを無視すると、クラス境界が不明瞭になり、過度の平滑化につながる可能性があります。本稿では、クロスエントロピーとモジュラリティベースの補助目的を共同で最適化し、クラスに一致する文書コミュニティを促進すると同時に、識別表現を維持する、テキスト分類のためのモジュラリティを考慮したグラフニューラルネットワークであるModTGCNを提案します。モジュラリティ項は、トランスフォーマー埋め込み（事前学習済みまたはファインチューニング済み）から派生した文書間類似性グラフで計算されます。スケーラビリティを向上させるために、元の異種TextGCNグラフを文書-単語および単語-単語の個別のコンポーネントに分離し、トレーニング速度を2倍から10倍向上させました。さらに、モジュラリティ最適化のためのグラフ構築戦略、ラベルを意識したエッジ再重み付け、および監視の選択について研究します。

arXiv cs.CL

2026年6月25日

自動音声認識（ASR）システムは、全体的な単語誤り率は低いものの、固有表現、否定、感情表現などの意味的に重要なトークンに不均衡に影響を与える残存する語彙的誤りを生成します。これらの誤りは、ランダムなノイズではなく音韻的な類似性から生じる構造的なものであることが多く、単純なトークンレベルの訂正では不十分です。本稿では、音韻グラフモデリングと文脈言語理解を組み合わせた、G-SPINと呼ぶ構造化ASR訂正フレームワークを提案します。まず、グラフニューラルネットワーク（GNN）が、フラグ付けされたトークンに対して音響的に妥当な候補近傍を構築し、訂正検索空間を音韻的代替案に明示的に制限します。次に、マスク言語モデル（MLM）がローカルな文脈スコアリングを提供し、指示チューニングされた大規模言語モデル（LLM）が、このコンパクトな候補セットに対して最終的な文脈認識再ランキングを実行します。構造化された音韻的推論と文脈意味的選択を分離することにより、本手法は制約のない生成を回避しつつ、訂正精度を向上させます。このフレームワークは軽量でモジュール化されており、推論時に完全に動作します。

arXiv cs.CL

2026年7月3日

1. 本記事について データアナリティクスラボ株式会社 データソリューション事業部の中田です。 本記事は、社内活動の一環としてGNNについて学習したことをアウトプットしたものとなります。

Zenn

2026年7月14日

グラフニューラルネットワーク（GNN）は、グラフ構造データのモデリング能力から、ナレッジグラフ（KG）において強力なパラダイムとして台頭しています。しかし、ナレッジグラフ技術パイプライン全体にわたるGNNベースの方法論に関する体系的なレビューが不足しています。このギャップに対処するため、まずGNNベースのナレッジグラフ技術の新しい2レベルの分類フレームワークを提案します。それはKG技術パイプラインとGNNベースの視点です。具体的には、ナレッジグラフ技術パイプラインは、ナレッジグラフ構築、ナレッジグラフ埋め込み、知識推論、ナレッジグラフ応用をカバーします。一方、GNNベースの視点は、GCN、GAT、HGNNなどのGNNモデルを用いて、ナレッジグラフ技術の新しい分類を提供します。次に、ナレッジグラフライフサイクルの異なるタスクの特性に基づき、GNN技術の利点を分析します。さらに、提案された分類に従って、ナレッジグラフ向けの様々なGNNベースモデルを詳細にレビューし、強みと限界をまとめます。最後に、未解決の課題について議論し、将来の研究のための有望な方向性を示します。

arXiv cs.LG

2026年7月15日

粒子状物質（PM10）の予測には、特に激しい砂嵐の際、局所的な精度と連続的な空間分布の両方が必要です。化学輸送モデル（CTM）はグリッド形式の予測を提供しますが、局所的な偏りが残ります。一方、グラフニューラルネットワーク（GNN）は短期間では観測地点をよく追跡しますが、グリッド形式の出力を生成しません。本研究では、この2種類の予測タイプを共有の空間表現内で統合する、畳み込み条件付きニューラルプロセス（ConvCNP）ベースの融合モデルであるOmniPM-Netを紹介します。地形を考慮したガウシアンセット畳み込みにより、不規則なGNN観測地点の予測を規則的なグリッド上に引き上げ、マルチスケール空間ソースアテンション（SSA）モジュールがこれをCopernicus Atmosphere Monitoring Service（CAMS）の予測とブレンドします。その後、共有の全方位クエリ読み出しがこの表現をデコードし、108時間の予測期間にわたって観測地点またはグリッドセルの一貫したPM10予測を生成します。

arXiv cs.LG