- 探索节点特征与图结构的多样性以进行节点降采样图池化
提出了一种新的插入式得分方案 MID,由一个具有两个运算符的多维得分空间(flipscore 和 dropscore )组成,可以在节点特征和图结构方面考虑图形差异性,相比于现有的节点删除池化方法达到了约 2.8%的改进效果。
- 通过生成图变换器构建交通基础设施模型
本文提出了一种新的交通预测方法,称为交通基础模型(TFM),该模型结合了交通仿真原则和图形结构,能够更准确地预测城市交通状况。
- 一种多维图傅里叶变换神经网络用于车辆轨迹预测
该论文介绍了基于图傅里叶变换神经网络的高速公路长期轨迹预测模型,通过图结构和多维度的 GFT 特征进行车辆行为分析,得到了远优于现有模型的预测效果。
- 图混合专家:使用显式多样性建模在大规模图上学习
该论文引入了 Mixture-of-Expert(MoE)思想到图神经网络中,提出了一种新的 Graph Mixture of Expert(GMoE)模型,用于同时建模多样的训练图结构,通过在 OGB 基准测试中表现的提升来验证 GMoE - 无边界但结构感知:从 GNN 到 MLP 的原型导向知识蒸馏
本文针对基于图任务的高准确性图神经网络(Graph Neural Networks, GNNs)转化为低延时多层感知器(Multilayer Perceptrons, MLPs)的热门研究主题,提出了一种无需图边,且能够学习适应结构的 ML - 一切皆有联系:图神经网络
本文概述了图表示学习的关键概念与相关领域,并指出了图表示学习在交通预测、社交网络分析、推荐系统、药物研发等应用领域中的重要性,以及与图表示学习相关的机器学习应用领域。
- 基于离散图结构的分布式条件扩散用于分子图生成
本文提出了一种基于条件扩散的离散图结构(CDGS)的分子图生成方法,通过随机微分方程(SDE)实现正向图扩散过程并得出离散图结构作为逆向生成过程的条件,利用普通微分方程(ODE)求解器进行高效的图采样,在各种数据集上验证了该框架的有效性,特 - 自然语言处理用于情感认知分析
本研究介绍一种新的情感分析标注方法,提出一种基于自传故事纪录的情感分析的数据集,探索了使用基于规则的自动标注方法来标注情感及其语义角色,以便教练识别相关方面,并探讨了基于图结构的情感分析的未来方向。
- 通过共蒸馏学习进行知识图谱嵌入
本文提出了一种称为 CoLE 的 Co - 蒸馏学习方法用于知识图谱嵌入,并在基准数据集上的实验表明,该方法优于现有的嵌入模型,提高了知识图谱嵌入的最新技术水平。
- 基于编织的架构搜索
本文提出了一种基于编辫理论的神经网络结构优化方法,并应用编辫理论描述神经网络图结构,实现不同拓扑结构的神经网络构建。通过比较编辫理论模型、同质深度神经网络和随机交错层网络在分类问题中的表现结果,证明了编辫网络在分类问题上的优势。
- 时间感知归纳逻辑推理
本文研究了非知识图谱领域中的归纳逻辑推理问题,提出了基于超图的多起点随机 B-walk 方法和路径一致性算法相结合的后向链式归纳逻辑规则学习方法。
- 基于图诱导的局部价值函数的分布式多智能体强化学习
本文提出了一种可行的分布式学习框架来处理多智能体协作强化学习中的信任问题,这种方法使用图的结构描述不同类型的多智能体之间的关系,并提出了两种基于本地价值函数的分布式 Reinforcement Learning (RL) 方法,能够在保证有 - 利用文本和图形向量表示来丰富分类学
本文研究领域为知识图谱,提出了一种基于图结构表示与深度学习的分类体系扩展方法,实验结果表明该方法在多个数据集上具有优异的效果。
- WSDM分层注意成员图嵌入
本研究提出了一种基于邻域组织的层次化关注成员模型,用于图嵌入,通过引入结构约束,由上至下地捕获了一种良好定义的层次结构,实现了节点分类和链接预测任务的指标优于当前先进技术图嵌入解决方案,表明隐含群组和成员资格的概念在图嵌入学习中具有快速发展 - 二次约束下的深度图匹配
该论文提出了一种利用二次约束明确表达配对图结构的深度图匹配 (DGM) 框架,并设计了误配损失,具有更好的惩罚假阴性和假阳性的效果,实验表明该方法在真实数据集上具有竞争性的性能。
- Eigen-GNN: 一种用于保留图结构的插件的 GNN 插件
Eigen-GNN 是一种简单而有效的插件模块,通过将 GNN 视为一种降维类型并扩展初始降维基础,将图结构的特征空间与 GNN 相集成,从而提高了 GNN 在保留图结构方面的能力,并在节点分类、链接预测和图同构测试等任务中表现出良好的灵活 - EMNLP基于 Transformer 建模图形结构以提升 AMR-to-Text 生成
本文研究针对 AMR-to-text generation 的问题,提出了一种新颖的基于自注意力机制的模型,用于更好地模拟 AMR 图中间接连接概念之间的关系。通过实验在英语 AMR 基准数据集上展示了该模型明显优于现有模型的效果,成绩达到 - ACL更简单但更准确的语义依赖分析
本研究使用 LSTM 神经网络对句法解析器进行扩展,使其能够训练并生成图形结构的语义依存关系,并获得了最新的高性能表现。
- ICML图结构数据对抗攻击
本文研究了基于图结构的深度学习模型的鲁棒性问题,针对修改数据的组合结构而导致模型攻击的问题,提出了基于强化学习的攻击方法,同时引入遗传算法和梯度法等多种变形方法来进行攻击,并通过实验验证了针对图级别和节点级别分类任务的多种图神经网络模型都具 - 利用 Trace 进行分析:一个 $O (n^4)$ 算法和结构化表示
本文介绍了一种新的表示和算法,可用于解析包含大多数树库结构的有向无环图结构,覆盖了长距离错位、共享论据等几乎所有树违反的语言现象,完整覆盖了 Penn 英语树库。