graph data | BriefGPT - AI 论文速递

关键词graph data

搜索结果 - 89

图之道：基于多个领域对比学习的基础拓扑模型
使用对抗式对比学习提出了一种用于多个图领域的预训练模型，通过在拓扑结构上训练模型，并在评估时包含节点标签，我们展示了该模型在各种下游任务中与基准模型、未经训练的模型和非转移模型相比，性能相等或更好，包括在评估时使用节点标签，性能始终优于单个
PDF8 months ago
VIGraph：自监督学习用于类别不平衡节点分类
本文分析了基于 SMOTE 方法的局限性，提出了基于自监督学习的 VIGraph 模型，该模型利用变分图自动编码器（VGAE）进行生成。VIGraph 在构建不平衡图时严格遵循不平衡的概念，并使用新的 Siamese 对比策略来改善生成节点
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
以数据为中心的图学习：综述
人工智能发展历史中，高质量数据对各种深度学习模型的影响显著。最近，与基于模型的方法相比，AI 社区的关注重点转向了基于数据的方法，即更好地处理数据以增强神经模型的能力。这项调查从数据为中心的角度全面回顾了图学习方法，并旨在回答两个关键问题：
PDF9 months ago
走向以数据为中心的图机器学习：综述与展望
数据中心的人工智能 (Data-centric AI) 是近年来备受关注的研究领域，本文通过深入综述，展望了与图数据相关的数据中心的人工智能的当前努力，并介绍了系统性框架 Data-centric Graph Machine Learnin
PDF9 months ago
基于中心点的稀疏分区
PAM（Partitioning Around Medoids）是一种常用的聚类技术，本文提出了一种基于稀疏和非对称变体的方法，用于处理图数据等大规模问题，通过利用稀疏性，可以避免二次运行时间和内存要求，并使用贪婪初始解和优化操作相结合的策
PDF10 months ago
在图上评估大型语言模型：性能洞见与比较分析
对四个大型语言模型在图数据分析问题上的能力进行评估，结果表明：1）大型语言模型能够有效地理解自然语言的图数据并进行图拓扑推理；2）GPT 模型能够生成逻辑和连贯的结果，在正确性方面优于其他替代方法；3）所有研究中的大型语言模型在结构推理方面
PDF10 months ago
GiGaMAE: 通过协同潜在空间重建实现可泛化的图掩码自编码器
我们提出了一种名为 GiGaMAE 的新型图掩蔽自编码器框架，通过协同重构信息化和综合的潜在嵌入，从而解决了当前图数据上遇到的推理能力不强的问题。通过将图拓扑和属性信息包含在嵌入中，作为重构目标，我们的模型能够捕捉到更广义和综合的知识，并引
PDF10 months ago
MARIO: 提升图对比学习模型对 OOD 普适性的通用方法
本研究通过提出一个名为 MARIO 的不受模型限制的方案来改善无监督图对比学习方法的异分布推广性，该方法介绍了信息瓶颈原则和不变性原则，并在广泛实验中表现出在异分布测试集上具有最先进性能，与现有方法相比在内分布测试集上维持了相当的性能。
PDFa year ago
基于多表示空间分离的图级异常感知检测
基于多重表示空间分离的图级异常感知检测框架，通过考虑节点级和图级异常的不同重要性，设计了异常感知模块来学习它们之间的特定权重，并通过四种加权图表示（正常锚点图、异常锚点图、训练正常图、训练异常图）严格分隔正常和异常图像空间，根据测试图像与正
PDFa year ago
KDD隐私保护的图机器学习从数据到计算：综述
在图机器学习中，数据的收集、共享和分析往往涉及多个参与方，每个参与方可能需要不同级别的数据安全和隐私保护。为此，在保护敏感信息方面，保持隐私非常重要。在大数据时代，数据实体之间的关系变得前所未有的复杂，越来越多的应用程序利用了支持网络结构和
PDFa year ago
STS-CCL：城市交通预测的时空同步上下文对比学习
本文提出了一种基于空间 - 时间同步对比学习（STS-CCL）模型的高效方法，通过图数据的增强和同步对比模块实现了复杂的空间 - 时间表示的捕获，进而在交通预测任务中取得了优越的性能。
PDFa year ago
基于 GNN 的图分类和链路预测综述
本综述文章研究了图卷积神经网络及其在节点分类等领域的应用，并阐述了构建图卷积算子和图池算子的关键步骤。
PDFa year ago
KDDENGAGE: 解释引导的图表示学习数据增强
本文提出了 ENGAGE (ExplaNation Guided data AuGmEntation) 方法，其中使用了平滑激活映射作为非监督解释方法，指示节点在表示学习中的重要性，以指导对比增强过程来保留图中的关键部分并探索去除多余信息。
PDFa year ago
SaGess：采样图去噪扩散模型用于可伸缩图生成
本文中提出了 SaGess，一种用于生成大规模真实世界网络的离散去噪扩散方法，能够通过扩大扩散模型并使用分治框架来生成较大的图形，并通过任务驱动模型，即链接预测，在评估合成数据集方面取得了较好的效果。
PDFa year ago
超越双曲线建模：对称正定矩阵中的图神经网络
使用对称正定矩阵（SPD）的 Riemannian 对称空间构建图神经网络以处理复杂图，并证明在结点和图分类任务上，其性能明显优于欧几里得空间和双曲空间及两者的笛卡尔积的图神经网络。
PDFa year ago
少样本节点分类的归纳线性探测
本研究针对现有文献主要关注 transductive few-shot node classification，忽视了 broader few-shot learning community 中广泛研究的 inductive setting
PDFa year ago
GPT4Graph：大型语言模型是否能理解图形结构数据？实证评估和基准测试
本文研究了在十个不同的任务中评估大型语言模型在理解图形数据方面的能力，发现目前模型仍存在理解图结构和执行相关推理任务的局限性，需要进一步的研究以加强其图形处理能力。研究结果为搭建语言模型与图形数据理解之间的桥梁提供了宝贵的见解，为更有效的图
PDFa year ago
知识增强的图神经网络
提出 KeGNN，一种神经符号框架，结合了神经和符号方法，用于图数据的学习，旨在通过添加系统先前知识来提高精度，并通过多个基准数据集的节点分类进行评估。
PDFa year ago
不变层用于具有不同类型节点的图
该论文研究了神经网络在输入排列不同时的不变性，针对异构图数据，提出了保留节点类型排列的线性层公式，实验表明该方法可以更有效地学习节点交互。并对张量层大小问题进行了探究，发现对于 $n$ 个节点的图数据，张量大小的上限为 $n$，优于之前的结
PDFa year ago