- 轻量级端到端电子商务搜索 CTR 预测的图兴趣网络
在电子商务搜索中,我们提出了一种名为轻量级端到端图兴趣网络(EGIN)的新方法,通过利用搜索系统中查询和项目的相关性和顺序信息构建异构图,以提高点击率(CTR)的预测。
- LyS 在 SemEval-2024 任务 3 中:基于图解析的端到端多模态情绪链接的早期原型
我们参与了 SemEval 2024 任务 3,重点研究了对话中的多模态情绪因果分析。我们设计了一个早期原型系统,使用基于图的依存解析方法来识别多方对话中的因果情绪关系。我们的模型包括一个基于神经变换器的编码器,用于提供多模态对话数据的语境 - ESIHGNN:对话情绪识别的事件 - 状态交互融合异构图神经网络
我们提出了一种新颖的基于图的方法,即事件 - 状态交互注入异构图神经网络 (ESIHGNN),它结合了说话者的情绪状态并构建了一个异构的事件 - 状态相互作用图来建模对话,通过动态更新和增强每个轮次中事件和情绪状态的表示来改善对话的连贯性和 - 蛋白质相互作用的图神经网络 —— 简要调查
蛋白质相互作用(PPI)在广泛的生物过程中起着关键作用。本文回顾了各种基于图的方法,并讨论了它们在 PPI 预测中的应用。我们将这些方法分为两个主要组,一类采用图神经网络(GNN)或图卷积网络(GCN),而第二类则利用图注意力网络(GAT) - CVPRFlowerFormer:使用流感知图变换增强神经网络结构编码
FlowerFormer 是一个强大的图形变换器,通过结合神经结构内的信息流,进一步加强表示学习,并通过双向异步消息传递和基于流掩码的全局注意力机制,显著优于现有的神经编码方法,扩展应用于计算机视觉模型、图形神经网络和自动语音识别模型。
- 成对对齐提升图领域适应
图领域适应性研究中,本文提出了一种新颖的、基于理论原则的方法,即配对校准(Pair-Align),以解决图结构的移动性问题。通过减轻条件结构移位和标签移位,Pair-Align 利用边权重重新校准相邻节点之间的影响,并通过标签权重调整分类损 - 基于图的概率路由的近似最近邻搜索
通过引入具有概率保证的方法,该研究旨在增强基于图的最近邻搜索中的路由,提出了 PEOs,一种有效地确定图中应考虑的邻居进行准确距离计算的新方法,实验证明其在常用图索引(HNSW)上可以提高吞吐量 1.6 到 2.5 倍,并且其效率始终比最先 - 近期命名实体识别研究进展综述
命名实体识别(NER)旨在从文本中提取命名真实世界对象并确定它们的类型,本文首先概述了最近流行的方法,然后探讨了其他调查中较少涉及的基于图和变换器的方法,包括大型语言模型(LLMs)。其次,重点介绍了适用于稀缺注释数据集的方法。第三,我们评 - 源代码是图,而非序列:关于代码克隆检测的跨语言视角
通过比较两个最先进模型 CodeBERT 和 CodeGraph 在两个基准数据集上的表现,本文论证了源代码克隆检测是一个图而非序列,并且基于图的方法在跨语言代码克隆检测上优于基于序列的方法。
- KDD图变分嵌入协同过滤
推荐系统中,通过使用图卷积网络中的变分嵌入进行预训练,取得了改善特征传播的效果,进而提高回忆率和归一化折现累积增益指标。
- 喜悦:多模态情感识别的联合模态融合和图对比学习
通过多模态情感识别,我们提出了一种融合多模态、图对比学习的方法(Joyful),实现全局情境特征与单一模态特征的深度交互与融合,并在三个基准数据集上实验,显示 Joyful 具有最先进的性能。
- 基于补丁的深度无监督图像分割使用图割
本研究提出了一种基于图像块的无监督图像分割策略,将深度聚类方法中无监督特征提取的进展与经典基于图形的方法的算法帮助相结合。我们展示了一个简单的卷积神经网络,通过使用图割来迭代地正则化图像块的分类,从而自然地实现了最先进的全卷积无监督像素级分 - 动态关系注意力图神经网络用于欺诈检测
欺诈检测在发现欺诈者通过欺骗其他用户,例如发布虚假评论或进行异常交易的行为上有着重要作用。我们采用图神经网络和动态关系注意力聚合机制来解决这个问题,并在真实基准数据集上展示了我们的方法 DRAG 优于其他最先进的欺诈检测方法。
- AtomSurf:蛋白质结构学习的表面表示
通过将蛋白质表示为三维网格表面并将其与基于图的方法相结合,我们提出了一种综合性的框架,融合了表面表示和图像的学习方法,能够在所有测试任务中取得最先进的结果。
- 提高学生性能预测中基于学习者提供问题的 SGNN-LLM 协同效应
通过集成 SGNN 和 LLM 嵌入的创新策略来增强学生问答数据的噪声韧性,从而提高基于学习者提供的数据的预测准确性。在冷启动场景下表现出优异的预测准确性,尤其有利于解决问题缺乏学习者反馈的情况。经过对 5 个实际数据集的验证,方法胜过基准 - 关键词感知的视频问答的相对时空图网络
该论文提出了一种关键词感知的相对时空图网络(KRST)用于视频问答,通过在问题编码过程中使用注意机制让问题特征对关键词敏感,指导视频图构建,并整合了相对关系建模以更好地捕捉物体节点之间的时空动态,实验证明 KRST 方法在多个现有方法上具有 - 基于图神经网络的假新闻检测:一项调查
通过图论和深度学习的方法对基于图的假新闻检测进行系统的综述,将现有方法分类为知识驱动、传播驱动和异构社交环境驱动的方法,并讨论了图论假新闻检测中的挑战和未来研究方向。
- CVPR组织病理学全幻灯片图像分析的异质图表示学习
我们提出了一种新的基于异构图的框架,利用细胞核的不同类型之间的相互关系进行 WSI 分析。通过将 WSI 建模为一个具有 “核型” 属性和语义相似性属性的异构图,采用新的异构图边属性转换器 (HEAT) 和基于伪标签的语义一致汇聚机制来获得 - IJCAI基于图形消歧的深度部分多标签学习
本文提出利用图形解析和深度模型相结合的方法 ——PLAIN 应对 PML 问题,提高其精确性和鲁棒性。该方法在多个合成数据集和三个实际 PML 数据集上都表现出显著的优越性。
- EMNLPDIGAT: 双图交互建模新闻推荐
本研究提出了基于双重图交互关注机制的新闻推荐模型 DIGAT,用于克服现有方法中存在的信息不足和推荐误差问题,利用语义信息增强图模型和用户兴趣主题图来提高新闻 - 用户特征匹配准确度。实验结果表明 DIGAT 优于现有推荐算法,进一步分析证