graph learning tasks | BriefGPT

关键词graph learning tasks

搜索结果 - 7

使用分级支持图进行下一级的消息传递
通过引入分层支持图 (HSG)，该研究在 MPNN 中提出了一种解决局限性的策略，以促进图中的全局信息交流，经过理论分析和实证研究发现，HSG 能够在多个数据集上达到最先进的性能。
PDF14 days ago
关于多集合和图神经网络的 Holder 稳定性
通过对多重集模型和消息传递神经网络的分离质量进行分析，我们提出了两个分离质量更高的新型消息传递神经网络，以及在标准图学习任务上与标准消息传递神经网络进行的比较。
PDF25 days ago
无穷时域图滤波器：利用幂级数增强稀疏信息聚合
提出了一种名为图力滤波神经网络（GPFN）的新方法，通过使用幂级数图滤波器来增强节点分类性能。GPFN 设计了一种新的建立图滤波器的方式，并论证了其能够集成任何幂级数并捕捉长程依赖关系，实验结果表明 GPFN 优于现有基准模型。
PDF6 months ago
大型语言模型对文本属性图的拓扑结构增强
利用大型语言模型在图学习任务中的潜力，本研究探索了如何利用信息检索和文本生成能力来提高文本属性图的拓扑结构，进而增强节点分类的性能。通过节点属性的语义相似度，采用大型语言模型来删除不可靠的边并添加可靠的边，以及利用大型语言模型生成的伪标签改
PDF7 months ago
差距去哪了？重新评估远程图基准
该论文通过严格的经验分析重新评估了多个 MPGNN 和 Graph Transformer 的基准性能，证明了由于次优的超参数选择而导致性能差距被高估，并突出了特征归一化和复原的联系预测指标的影响，旨在建立图机器学习社区内更高的经验严谨标准
PDF10 months ago
从多阶相互作用中发现并解释图神经网络的表示瓶颈
本文探讨了图神经网络在不同复杂情况下捕捉节点之间相互作用信息的能力，并发现了当前机制存在的问题，提出了一种基于交互模式的新颖图重连方法以缓解表征瓶颈并提高性能。实验结果证明了该方法的有效性及其优于现有基准算法的表现。
PDF2 years ago
残差门控图卷积网络
本文研究了将深度学习方法推广到图论领域，通过对比 RNN 和 ConvNet 的效果，将门控边缘和残差技术用于设计神经网络对图学习任务进行分类，获得了比现有方法更高的准确率和更快的速度。
PDF7 years ago