graph classification | BriefGPT

关键词graph classification

搜索结果 - 155

关于图神经网络和特征增强策略在社交网络分类中的能力
本研究对四种图神经网络架构及五种节点人工特征进行分析，应用于分类任务，并比较它们在不同隐藏层维度下的性能。结果表明，高计算能力的 GNN 架构与信息丰富的人工特征对于性能表现起到平衡重要作用。
PDF6 months ago
显著性感知正则化图神经网络
通过加权聚合节点特征和全局节点显著性规则，我们提出了一种能够学习更有效图表示的新型图分类方法 SAR-GNN。
PDF6 months ago
架构的重要性：揭示图对比学习中的隐式机制
通过对图对比学习方法进行系统研究，我们发现了图对比学习方法中与视觉对比学习方法不同的一些共同现象，包括正样本对于图分类和采用特定归一化模块进行节点分类时并不是必需的，而且数据增强对于图对比学习的影响较小。通过揭示图神经网络的内在归纳偏差是如
PDF8 months ago
一种因果解耦的多粒度图分类方法
该研究论文提出了一种因果解缠多粒度图表示学习方法（CDM-GNN），用于解决图数据建模中多粒度特征的融合问题，该方法在图分类任务中表现出强大的性能，并生成与人类认知模式相一致的解释结果。
PDF8 months ago
利用人工智能实现基于分解的优化算法自动化：第一部分，学习何时进行分解
本文提出了一种基于图分类的方法，用于自动确定是使用整体式还是分解式的解决方案方法；通过适当的特征集，将优化问题表示为捕捉问题的变量和约束之间的结构和功能耦合的图；构建图分类器以确定给定问题的最佳解决方法；以解决分析凸混合整数非线性规划问题时
PDF9 months ago
一对多：面向所有分类任务的单一图模型训练
通过引入文本属性图和节点感兴趣的概念以及新颖的图提示范式，我们提出了全称为 One for All (OFA) 的通用框架，使得单个图模型能够处理多样的图学习任务，并在不同的领域表现出色。
PDF9 months ago
GDM：有限监督下的图分类的双重混合技术
本文提出了一种新颖的基于混合的图形增强方法，称为图形双重混合（GDM），利用图形实例的功能和结构信息生成新的标记图形样本，以增加有限可用标记图形样本的大小和多样性，并通过两种新颖的平衡图形采样方法增强生成图形样本的平衡难度和多样性。在基准数
PDF10 months ago
基于局部结构嵌入恢复遗失的节点特征
通过结合网络结构，我们提出了一种从一组图中完全恢复缺失节点特征的框架，该框架利用了先前的拓扑和节点特征信息，并通过聚合相似节点的已知特征来估计缺失节点值，在图基学习中强调了节点特征和图结构的关系。
PDF10 months ago
动态图分类的过滤表面
现有动态图分类方法要么将图内核扩展到时间域，要么使用图神经网络 (GNNs)。然而，当前基准存在可扩展性问题，不能处理变化的节点集，或者不考虑边权重信息。我们提出了滤波表面，一种具有可扩展性和灵活性的新方法，以缓解上述限制。我们在基于边权重
PDF10 months ago
通过协同专家实现图分类的长尾识别
通过协同多专家学习 (CoMe) 提出了一种新的长尾图级分类框架，从头部和尾部类的视角发展出平衡对比学习和基于难类挖掘的个体专家分类器训练，并在多专家框架中进行门控融合和解耦知识蒸馏。通过在七个广泛应用的基准数据集上进行全面实验，证明了我们
PDF10 months ago
KDD基于曲率的图神经网络中的汇聚
通过利用曲率概念，CurvPool 构建了一个具有更适合结构的图形，以解决图神经网络中的过度平滑和过度压缩问题，并在分类准确性、计算复杂性和灵活性等方面表现出竞争力。
PDF10 months ago
利用 GNN 进行伦敦自行车共享服务的天气和工作日预测的空间图粗化
本研究介绍了使用图神经网络（GNN）来预测伦敦某一天的天气和星期几，使用桑坦德自行车共享系统的数据集作为图分类任务。我们的模型在土地利用特征、自行车站周围的家庭数量以及城市温度等图特征的基础上，通过引入训练节点嵌入的图特征拼接运算符和以地理
PDF10 months ago
建模深度贝叶斯图网络中的边特征
我们扩展了上下文图马尔可夫模型，采用深度且概率的机器学习模型来建模边特征的分布。我们在架构上进行了改进，将边特征映射成离散状态的贝叶斯网络，并用于原始模型。通过这样做，即使在没有边特征的情况下，我们也能构建更丰富的图表示，通过在标准图分类基
PDFa year ago
具有可控数据增强的图像领域外泛化
Graph Neural Network 在解决图分类问题上表现出了极好的性能，然而，由于训练和测试数据的选择偏差，造成了分布差异的广泛存在。针对这个问题，我们提出了 OOD-GMixup 方法来联合调控度量空间中的训练分布，并且通过消除杂
PDFa year ago
MMRAHNet：检索增强的混合网络用于长尾图分类
在图分类任务中，我们提出了一种名为 Retrieval Augmented Hybrid Network (RAHNet) 的新框架，通过联合学习强鲁棒性特征提取器和无偏分类器，解决了长尾类别分布的问题，并通过图检索模块和类别中心的有监督对
PDFa year ago
基於密度視角的圖分類的反事實解釋
在图分类的背景下，本文提出了一种基于密度的反事实搜索框架来生成图分类器的实例级反事实解释，该框架可以用不同的密集子结构概念具体化，通过在 7 个脑网络数据集上进行的评估结果证实了采用密度等语义相关变化单位是定义多功能和可解释的反事实解释方法
PDFa year ago
KDD可解释性脑图稀疏化：图神经网络的更佳实践和有效设计
本文介绍了一种新的框架，使用图神经网络 (GNNs) 中的有效设计来稀疏化脑图，以优化脑图分类任务。该新模型称作 “可解释的图稀疏化”（IGS），通过减少脑图的边数（最多 55.0%），提高了最多 5.1% 的分类性能，并提出了新的脑科学解
PDFa year ago
基于结构敏感图词典嵌入的图分类
提出了一种结构敏感的图形字典嵌入 (SS-GDE) 框架，并使用 Bernoulli 抽样来调整基本图形键的子结构以适应每个输入。为了使跨图测量敏感并保持稳定，提出了多敏感性 Wasserstein 编码，通过设计多尺度注意力来产生嵌入。在
PDFa year ago
基于分布匹配的图学习全局解释过程
本文提出了一种基于图分布匹配（Graph Distribution Matching）的图神经网络（Graph Neural Networks）全局解释方法，能够高效准确地提取 GNN 模型训练过程中最具代表性和人类可理解的图形式式，实现了
PDFa year ago
大规模和密集随机 Kronecker 图的分析和近似推理
本文基于随机矩阵理论，在研究大规模的随机 Kronecker graph 时，发现其邻接矩阵近似遵循一个带有小秩信号矩阵和四分之一圆形奇异值分布的噪声矩阵，提出了一种 “去噪和求解” 的元算法，以减少计算复杂度和提高性能保证，给出了在合成和
PDFa year ago