graph learning | BriefGPT - AI 论文速递

关键词graph learning

搜索结果 - 116

信息绕路：一种简单而有效的循环表示表达图学习
藉由引入消息绕行概念，本研究在整个图中 hierarchically 描述周期表示，以解决计算高阶拓扑特征所面临的挑战，并展示其在图学习领域的较低计算要求下与高阶 Weisfeiler-Lehman (WL) 测试相当的表达能力。此外，本研
PDF5 months ago
GenEFT：通过有效理论理解模型泛化的静态和动态
我们提出了 GenEFT：一种有效的理论框架来阐明神经网络泛化的静态和动态，并通过图学习的示例进行说明。我们首先研究了数据大小增加时的泛化相变，并将实验结果与基于信息论的近似进行了比较，发现在解码器既不太弱也不太强的 “金发区” 中存在泛化
PDF5 months ago
潜在图扩散：一种在图上生成和预测的统一框架
我们提出了第一个框架，允许使用一个模型解决所有级别（节点、边和图）和所有类型（生成、回归和分类）的图学习任务。我们首先提出了潜在图扩散（LGD），它是一个生成模型，可以同时生成所有类别的节点、边和图级特征。我们通过将图结构和特征嵌入到潜在空
PDF5 months ago
结构保持图变换的调研
对保持图结构和理解图的本质的图变换模型的挑战和未来方向进行全面的概述。
PDF5 months ago
大规模异构图中基于大型语言模型的可扩展链接预测
这篇论文描述了如何将大规模语言模型应用于图学习，提出了 LPNL（通过自然语言进行链接预测）框架来处理大规模异构图上的可扩展链接预测任务，并通过自我监督学习细调了基于 T5 模型的链接预测模型，实验证明 LPNL 在大规模图链接预测任务上表
PDF5 months ago
高斯图模型的邻居筛选下的误发现率控制
高斯图模型在多个领域中应用广泛，本文介绍了一种节点变量选择方法来进行图学习，通过自估计的水平控制选择边集的错误发现率，实验结果表明相较于其他方法在不同图拓扑下有明显性能提升。
PDF6 months ago
时间网络嵌入动态下的时间链接预测
通过将节点定义为牛顿对象并引入速度的概念，我们提出了一种新的时间链接预测方法，通过计算每个节点的具体动态，而不是整体动态，提高了预测未来连接的准确性和可解释性。我们的方法在预测合著网络中的未来合作效果方面，使下游分类模型的性能提高了 17.
PDF6 months ago
不完整时序数据的联合信号恢复与图学习
通过方法的块连续上界最小化（BSUM）算法，从以下数据中学习一个图并恢复信号：来自不完整的时间序列观测的图、未知的底层图模型及信号。这个算法在合成和真实时间序列的模拟结果中展示了图学习和信号恢复的性能。
PDF6 months ago
大规模图的图转换器
本研究使用可扩展的图转换器（GT）框架来进行单个大规模图的表示学习，并提出了快速的采样技术和局部注意机制，以解决全局注意机制在大规模图上的计算复杂性问题。在三个大规模节点分类基准测试中，我们验证了 LargeGT 框架，并取得了 3 倍的加
PDF7 months ago
打破半监督节点分类中同质性和异质性的纠缠
最近，图神经网络（GNNs）通过利用图数据库中的知识，在半监督节点分类中展示了显著的性能。然而，大多数现有的 GNN 都遵循同质性假设，即连接的节点更有可能展示相似的特征分布和相同的标签，而这种假设在越来越多的实际应用中被证明是脆弱的。作为
PDF7 months ago
PerCNet: 周期完全表示与晶格
现有的晶体材料表示方法只考虑晶体分子的局部信息，通过考虑二面角进一步考虑全局信息后，我们首先提出了周期完备表示和计算算法，进而提出了一种特别设计的消息传递机制的网络 PerCNet 进行晶体材料性质预测。在实验证明了周期方案和完备性对晶体表
PDF7 months ago
循环不变位置编码用于图表示学习
本文提出了一个名为 CycleNet 的结构编码模块，通过边结构编码以不变的方式编码循环信息，以增强图神经网络中的性能。
PDF7 months ago
迪利克雷主动学习
这项工作介绍了 Dirichlet 主动学习（DiAL），一种灵感来自贝叶斯的主动学习算法设计方法。我们的框架将特征条件类概率建模为 Dirichlet 随机场，并在相似特征之间提供观测强度以校准该随机场。该随机场可以在学习任务中使用：特别
PDF8 months ago
多智能体图强化学习中的学习分散式交通信号控制器
本文研究智能城市中的交通信号优化控制问题，通过多智能体强化学习的新分散控制架构和图学习算法，提出了一种新的去中心化控制策略，增强了环境可观测性以抓取交通信号的时空关联性，实验证明该方案优于现有的分散算法。
PDF8 months ago
基于核的多图学习与图信号聚类
在图信号处理（GSP）的背景下，图学习（GL）关注的是从节点观测（即图信号）中推断出图的拓扑结构。然而，数据通常是混合形式，涉及不同的底层结构。这种异质性需要对多个图进行联合聚类和学习。在许多现实应用中，节点侧协变量（即核函数）是可用的，并
PDF8 months ago
我们是否真的需要用于图表示的对比学习？
对比学习在图学习领域吸引了大量研究兴趣，现有的图对比学习方法需要大规模和多样化的负样本来确保嵌入的质量，但这样会引入虚假的负样本，同时增加了计算负担和时间复杂度，为解决这些问题，提出了一种简单而有效的模型 GraphRank，通过引入基于排
PDF8 months ago
2SFGL：基于图形的欺诈检测的简单而稳健的协议
使用图学习进行金融犯罪检测改善金融安全和效率，提出了一种基于联邦图学习的新型框架（2SFGL），实验证明与仅使用 FedAvg 的情况相比，将 GCN 与 2SFGL 集成应用于此任务可以在几个常见指标上提高 17.6％-30.2％的性能，
PDF9 months ago
将图形与大型语言模型融合：方法与前景
大型语言模型与图结构化数据的集成可以通过增强现有图算法和作为预测模型来提升性能，同时结合图结构可以在各种复杂任务中显著改善大型语言模型的表现。
PDF9 months ago
通过根子树调整图中的自注意力
本文介绍了一种名为 Subtree Attention (STA) 的新型多跳图注意力机制，它用于解决局部注意力和全局注意力之间的问题，并通过有效的形式实现了线性时间复杂度。在十个节点分类数据集上的全面评估表明，基于 STA 的模型优于现有
PDF9 months ago
HoloNets：光谱卷积扩展到有向图
在图学习领域中，传统智慧认为谱卷积网络只能在无向图上部署：只有在这种情况下，才能保证存在一个明确定义的图傅里叶变换，以便在空间域和频谱域之间进行信息翻译。然而，我们通过使用复分析和谱理论中的某些高级工具，证明了这种对图傅里叶变换的依赖是多余
PDF9 months ago