May, 2024

异构数据集的图结构距离与元变量

PDF
TL;DR本文提出了一种图结构框架来建模涉及异构数据集的领域，该框架可以处理包含连续型、整数型或分类型变量以及一些被定义为元变量的复杂关系，同时提出了一种图结构距离来比较扩展数据点之间的任意组合，以便直接在异构数据集中处理元变量，并通过回归实验来验证其性能与超参数的模型关系。
heterogeneous datasetsgraph-structured frameworkmeta variablesregression experimentshyperparameters
发现论文，激发创造
  • 基于层次多分辨率特征和先验的图分类

    为了将空间（邻域）和双向分层关系以及样本的特征和先验信息纳入他们的分类中，我们针对三种变型的多分辨率邻域图以及分层条件随机场图制定了分类问题。

    Jun, 2023

  • 面向数据异构性的分散式学习混合

    该研究探讨了分散式学习框架的收敛性与混合度之间的关系，并提出了一种定量衡量梯度混合度的指标以及优化方法，通过实验证明该方法能够在计算机视觉和 NLP 等任务中提高测试表现。

    Apr, 2022

  • 基于超图群体的分类模型

    本文介绍了一种新颖的超图分类算法，通过构建具有任意阶多项交互的超图，并采用超图种群来提高算法的性能和鲁棒性，在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。

    May, 2024

  • 解决数据异构性：带有样本诱导拓扑的新分布式 SGD 统一框架

    本研究提出了一个通用框架，用于统一集中式和分布式场景下的多个基于梯度的随机优化方法，通过引入一个增光图，设计了一种合适的拓扑结构，使得 VR 和 GT 方法能够有效消除设备内外的数据异质性，并提供了一种统一的收敛分析。

    Jul, 2022

  • 元元多图搜索：重新思考异构信息网络上的元结构

    该论文提出了一种新的元结构 meta-multigraph，通过可微分的搜索方法自动优化特定 HINs 和任务的 meta-multigraph，并引入了一个从详细到简洁的 C2C meta-multigraph，用于从各种 HINs 中传播信息，以实现节点分类和推荐等任务。

    Apr, 2023

  • 基于元数据的理解图神经网络方法

    通过对多元稀疏回归分析来从元数据中派生得到一系列显著的数据属性，本文提出了一种基于元数据的方法，分析了图神经网络对图数据属性的敏感性，并通过理论分析和控制实验验证了平衡度分布与 GNN 性能之间的关系，从而验证了该基于元数据的方法在识别 GNN 关键数据属性方面的有效性。

    Oct, 2023

  • 动态异构学术图的公共基准测试

    本研究针对机器学习模型在动态图中的学习和推理遇到的挑战，针对传统静态同构图数据集的局限性，提出了一种利用多元素科学出版涵盖的动态异构学术图数据集，测试模型预测任务的效能，并提出了一种系统方法来改善现有的图预测模型评估程序。

    Apr, 2022

  • 使用分层距离捕获多级图结构的变压器

    本文提出了一种层次距离结构编码（HDSE）方法，用于加强现有图变换器，同时应用于其他位置表示，通过在图中的节点之间建模层次距离来捕捉图的多层次、分层结构，通过在 12 个真实世界数据集上的实验证明，我们的 HDSE 方法成功地提升了各种类型的基准变换器，在 10 个基准数据集上获得了最先进的实证性能。

    Aug, 2023

  • 通用图形模型的隐变量结构化预测效率

    本文提出了一个有潜在变量的结构化预测的统一框架，包括隐藏的条件随机场和潜在的结构支持向量机。通过对偶性描述了这种普遍公式的局部熵逼近，在图像分割和从单个图像中理解三维室内场景的任务中表现出不错的效果，比潜在结构支持向量机和隐藏条件随机场方法要好。

    Jun, 2012

  • 基于图距离模拟网络人口

    本文提出一种新的模型类别，通过引入基于 Frechet 平均图和控制分布密度的参数，以及基于层级 bayesian 方法的策略，实现多网络数据分析和模拟研究。

    Apr, 2019