確率的ストレス最適化によるグラフ描画と次元削減の橋渡し
arXiv cs.LG / 2026/5/4
📰 ニュースTools & Practical UsageModels & Research
要点
- 本論文は、次元削減（DR）とグラフ描画（GD）を最適化の観点から結び付け、SMACOFよりも確率的手法のほうが同じ目的に対して有効になり得る点を示します。
- ベクトル埋め込みに対して、グラフ描画で用いる確率的勾配降下（SGD）手法を適用し、局所的なペア更新によってグローバルなストレスを最小化します。
- 著者らは、グローバルストレス最小化という目的を維持しつつ、既存実装を改善するscikit-learn互換の推定器を提供します。
- 一般的な高次元ベンチマークでの実験では、新しい確率的ソルバがSMACOFより大幅に速く収束し、ストレスも同等かそれ以下に抑えられることが示されています。
