graph data | BriefGPT - AI 论文速递

关键词graph data

搜索结果 - 89

引入微小的因果结构进入图表示学习
在图神经网络的端到端图表示学习中，由于图数据中复杂的因果关系和规则使得模型准确捕捉真实数据关系变得困难。本文提出一种缓解策略，即将与图数据对应的规则或关系直接整合到模型中。然而，在图表示学习领域中，图数据的固有复杂性阻碍了建立一个包含整个数
PDF17 days ago
利用全局图同质性在图神经网络中进行广义防御
该论文提出一种名为 Talos 的新防御方法，通过增强图的全局同质性来抵御针对图神经网络的对抗攻击，实验证明该方法在防御效果上显著优于现有方法且计算开销较小。
PDF24 days ago
ICML揭示异质结构对图正 - 无标记学习的影响
图上正无标（PU）学习面临着边异质性的重要挑战，我们提出了一种名为图上 PU 学习与标签传播损失（GPL）的新方法，它考虑了 PU 节点的学习以及中间异质性的减少，以减轻异质结构的负面影响，并在内部循环中降低异质度，在外部循环中高效地学习分
PDFa month ago
使用两个潜在向量的统计模型的可识别性：维度关系的重要性及其在图嵌入中的应用
该研究论文提出了一个统计模型，通过引入辅助数据，并建立了各种可辨认性条件，其中包括非线性独立分量分析（ICA），并证明了所提模型的不确定性在某些条件下与线性 ICA 相同。在图数据中应用可辨认性理论，提出了一种可辨认的图嵌入方法，并通过数值
PDFa month ago
无文本多域图形预训练：走向图形基础模型
MDGPT 是一个用于图学习的多领域图预训练和适应性框架，通过多领域知识的利用来解决不同领域的图数据对齐和适应的问题，并在多个公开数据集上进行了实验验证，超越了先前的研究成果 37.9%。
PDFa month ago
基于图神经网络的高效模型窃取攻击
该论文介绍了一种针对归纳式图神经网络的无监督模型窃取攻击的新方法，该方法基于图对比学习和谱图增强，通过从目标模型高效提取信息。在六个数据集上对该攻击进行了全面评估，结果表明该方法相较于现有的窃取攻击具有更高的效率，并在所有基准测试中优于基准
PDFa month ago
利用大型语言模型驾驭不确定性感知的图处理
我们介绍了一种新颖方法，利用大型语言模型（LLM）结合不确定性感知模块，提供生成答案的置信度评分，从而在图处理中实现高准确性和解释性。我们在两个图处理任务上的实验证明，通过参数高效微调，LLM 在十个不同的基准数据集上胜过最先进的算法。此外
PDF3 months ago
VCR-Graphormer: 通过虚拟连接的小批量图转换器
用个性化 PageRank（PPR）对每个节点进行令牌化，并在此令牌列表上应用标准的多头自注意力机制，以计算其节点表示。借助 PPR 令牌化方法，使得以分批加载节点的令牌列表进行图转换器的小批量训练成为可能。此外，通过在结构和内容的基础上创
PDF3 months ago
基于语义 - 结构注意力增强的图卷积网络的节点分类
通过引入语义 - 结构注意力增强图卷积网络（SSA-GCN），本研究在提取顶点分类性能方面不仅对图结构进行建模，还从无监督特征提取的角度提取通用特征，通过交叉注意力机制整合这些特征，以增强图卷积网络的泛化能力。在 Cora 和 CiteSe
PDF3 months ago
揭开图：图神经网络与图生成
综述了图神经网络 (GNNs) 的应用、图数据和深度学习的扩展，以及 GNNs 的高级领域：图生成。
PDF3 months ago
OpenGraph：走向开放图形基础模型
我们开发了一个通用的图基础模型，通过理解不同基于图的数据中的复杂拓扑模式，使其在不同下游数据集上出色地完成零样本图学习任务。
PDF4 months ago
大型语言模型对图形回忆的微观结构和准确性
图数据、图回忆、LLMs、局部结构偏见以及领域依赖是这篇论文的五个关键词，论文主要研究了 LLMs 在图回忆任务中的准确性、偏见的局部结构模式以及其对其他图推理任务的影响。发现 LLMs 在图回忆任务中表现普遍不佳，且倾向于偏爱三角形和交替
PDF4 months ago
图上的持续学习：挑战、解决方案和机遇
连续图学习领域的系统综述，对连续图学习算法的任务设置、模型设计和应用进行分类和比较，分析其与传统连续学习技术的适用性以及存在的挑战和未来方向。
PDF4 months ago
图深度生成模型纠缠时的无监督可控因素发现
本研究提出了一种用于在预训练图形生成模型的潜在空间中无监督发现可控因素的方法，并通过最大化语义丰富的方向之间的互信息来学习可控因素。验证结果表明，该方法在两个预训练图形生成模型上优于其他四种竞争算法，并在两种分子数据集和三个点云数据集上展示
PDF5 months ago
AAAI同质性相关：面向多视角图聚类的自适应混合图滤波器
提出了一种自适应混合图滤波方法（AHGFC）用于多视图图聚类，通过设计图联合处理和聚合矩阵，以使图中的低频和高频信号更可区分，进而基于图联合聚合矩阵学习节点嵌入，实验证明该方法在同质和异质图上表现出色。
PDF6 months ago
图数据与多模态相遇：图理解与推理的新范式
通过整合图像编码和多模态技术，将图数据理解和推理的范式与 GPT-4V 的先进能力相结合，以指令 - 响应格式实现对图数据的理解，评估该范式在不同图类型上的性能并强调模型的优势和劣势，特别是中文 OCR 性能和复杂推理任务，为增强图数据处理
PDF6 months ago
图灵提示学习：综述与扩展
人工智能总体智能（AGI）已经在许多领域取得了革命性的成就，然而其与图数据的整合，在我们相互连接的世界中仍然尚未充分开发。本文对图智能的新兴领域进行了开创性的调查，探讨了利用图数据进行 AGI 应用的关键挑战和机遇。尽管在自然语言处理和计算
PDF7 months ago
无概念因果分解变分图自编码器
提出了一种无监督学习的解决方案，称为无概念因果分解 (disentanglement)，通过在可观测数据中直接学习概念结构，提出了 CCVGAE 和 CC-Meta-Graph 模型，并在 AUC 方面分别取得了高达 29% 和 11% 的
PDF7 months ago
可解释的图异常检测与梯度关注图
通过使用图神经网络提取梯度生成的注意力图作为评分基准，我们提出了一种基于解释性的图异常检测方法，实现了卓越的性能。此外，我们使用合成数据进行理论分析来验证我们的方法，并深入了解其决策过程。
PDF8 months ago
HKTGNN：基于层次知识迁移图神经网络的供应链风险评估
建立供应链风险评估模型以有效管理和缓解潜在风险的重要性逐渐增加，本文提出了一种基于层次化的知识可迁移图神经网络的供应链风险评估模型，通过图嵌入方法将供应链网络嵌入到基本产品网络中，解决了数据饥饿问题，实验证明该模型在实际供应链数据集上表现优
PDF8 months ago