关键词graph learning algorithms
搜索结果 - 5
- 多模态图基准
多模态图学习基准 (MM-GRAPH) 是首个综合多模态图基准，涵盖文本和视觉信息，旨在促进多模态图学习研究并推动更先进、更稳健的图学习算法的发展。
- DTGB：用于动态文字属性图的综合基准
动态文本属性图（DyTAGs）广泛应用于各种真实场景，在其中每个节点和边缘都与文本描述相关联，且图结构和文本描述均随时间变化。为了填补这一空白，我们介绍了动态文本属性图基准（DTGB），这是一个从不同领域的大规模、时间演化的图集合，其中的节 - 图彩票假设：发现稀疏且信息丰富的图结构
每个图都有一个极度稀疏的骨干，图学习算法可以在此骨干上训练，并且能够达到与完整图相当甚至优于其性能，该研究系统地研究了直接影响图学习算法性能的 8 个关键指标，并提出了在任意图中寻找这些骨干的简单高效算法。
- 用于基准图学习的合成图形生成
本文介绍了如何利用合成图形进行基准测试，以深入研究不同类型的图学习算法科学性能，研究结果显示我们的框架为无监督和有监督图神经网络模型提供了洞见。
- SIGIR利用网络学习揭示保险欺诈阴谋
本文提出一种通过学习网络信息来检测有组织的保险欺诈行为的数据驱动程序，在阿里巴巴（Alibaba）上实现了超过 80% 的精度以及比以前的基于规则的分类器多覆盖 44％的可疑帐户，这个方法能够很容易地适用于其他类型的保险。