- 基于动态相似邻接矩阵的车辆再识别图网络
基于动态相似邻接矩阵的图网络(DSAM-GN)是一种用于车辆再识别的新方法,通过构建邻接矩阵来捕捉局部特征的空间关系和减少背景噪声,提取更具差别性的特征。实验证明,DSAM-GN 方法相比于其他近期研究在公共数据集上具有更好的效果。
- 学习更好的多物体六自由度姿态估计关键点
通过训练图网络选择一组分散但具有相似分布投票的关键点,从而提高姿势估计的准确性和效率。通过回归网络学习关键点算法,所学习的投票可以与之前的启发式算法相比更准确地回归关键点位置。实验结果表明,KeyGNet 选择的关键点在所有七个数据集上的所 - KDD面向主题的摘要生成的主题选择性图网络
通过提出课题弧识别目标和主题选择图网络,为基于预训练语言模型的摘要生成模型增加了话题区分的能力,并在此基础上实现了话题指导下的跨句互动。实验证明,所提出的方法具有优异的性能。
- 基因调控网络预测中的因果关系发现
提出一种发现生物系统中潜在图结构的新算法,基于复杂的非线性调节相互作用网络,用图来表示各种核酸、蛋白质和代谢物之间的关系,并使用实验数据对其进行探测。
- IRRGN: 一种隐式关系推理图网络用于多轮响应选择
本文提出了一种隐式关系推理图网络来提高多轮对话中回复选择的推理能力,该模型通过 Utterance Relational Reasoner(URR)和 Option Dual Comparator(ODC)分别实现隐式提取依存关系和对选项进 - 一个主题感知的图神经网络模型用于知识库更新
基于用户查询日志,构造主题感知的图网络进行知识更新,通过实体属性图训练 GNN 实体更新模型以确定实体是否需要同步,并使用最小编辑次数算法将过滤的实体与知识库中的实体进行匹配和更新。
- WWWTTAGN: 经时交易聚合图网络用于以太坊钓鱼诈骗检测
本文提出了一种基于时间交易聚合图网络(TTAGN)的以太坊欺诈检测技术,通过模拟节点之间历史交易记录来构建以太坊交易网络的边表示,将边上的表示聚合到节点表示中,然后结合统计和结构特征进行识别,该方法在真实的以太坊欺诈数据集上优于同类方法。
- 询问以理解:多跳问答问题生成
本文提出了一种基于问题生成的新型多跳问答方法,通过精心设计端到端的 QG 模块,在上下文理解中提出内在逻辑子问题,从而继承了 QD 方法的可解释性并表现出较高的性能。实验证明,我们提出的 QG 模块是有效的,在流畅性、一致性和多样性方面优于 - 利用异构图网络将常识知识融入故事结尾生成
本文提出了一种 Story Heterogeneous Graph Network(SHGN)模型,能够准确理解故事上下文信息、处理故事线索深层含义,并通过多任务学习有效生成合理的故事结局,实验证明在 ROCStories Corpus 上 - AAAI多模态摘要的层次交叉语义关联学习模型
本文提出了一种基于层次交叉模态语义相关性学习模型(HCSCL)的多模态文本摘要方法来处理含异构内容的文本新闻报道。该模型通过采用图网络编码内部相关性和层次融合框架学习文本和图像之间的内部和层次相关性,同时使用含图像注释和目标标签的数据集提供 - MM基于原始图网络的单图像 3D 物体估计
采用基于原始体的表示法,提出了一个两阶段图网络进行基于原始体的 3D 物体估计的方法,并使用丰富的几何和语义约束来提高了 3D 结构的恢复质量。
- ICLR通过动态视觉推理理解对象和事件的物理概念
本文提出了一种统一框架 - 动态概念学习者(DCL)用于从视频及自然语言文本中,对物理对象和事件进行建模,其中 DCL 采用轨迹提取器来追踪每个物体随时间的变化并将其表示为一种潜在目标中心的特征向量,并进一步将物体集成到图形网络中学习物体之 - ACLDAGN: 面向逻辑推理的语篇感知图网络
本文提出了一种使用基于话语的信息汇总处理逻辑推理 QA 的方法 ——DAGN,它将话语信息编码成一种图形式,并通过一个图形网络学习话语感知特征,实现了在两个 QA 数据集中具有竞争力的结果,源代码可在 https URL 上获得。
- ICML利用图网络学习模拟复杂物理现象
本研究提出了一种基于图神经网络的模拟器框架,通过学习信息传递来模拟包括流体、刚性固体和可变形材料在内的各种复杂物理现象,模型从单一粒子预测到测试时的数千个粒子,并且能够处理不同的初始条件和数万个时间步骤,具有较强的可靠性与预测能力。
- 利用场景图进行视觉问答的实证研究
本文提出了一种使用场景图和图网络进行视觉问答的方法,具有比当前最先进的视觉问答算法更清晰的架构,同时可以解释推理过程,展示了可解释的视觉问答的潜力。