- SINKT: 结构感知的归纳知识追踪模型与大型语言模型
本文提出了一种基于大型语言模型的结构感知的归纳式知识追踪模型(SINKT),通过引入大型语言模型实现归纳式知识追踪,并构建了概念和问题的异构图,利用语义信息辅助预测。在四个真实世界数据集上的实验证明,SINKT 在 12 个基于转导的知识追 - 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。
- 异构子图变换用于虚假新闻检测
通过构建异构图,揭示了在社交媒体上假新闻的存在及其与主题、实体和内容之间的关系,并提出了一种利用异构子图转换器来检测假新闻的方法。实验证明这种方法在真实世界数据集上的表现优于其他基线模型,而进一步的案例和消融研究证实了其性能改进是由其特殊设 - 通过动态时期定义的长期和短期偏好的异构图建模的社交推荐
通过在异构图中结合社交网络数据的动态属性,本研究提出了一种新的方法来提供社交推荐,旨在捕捉用户的长期和短期偏好并聚合分配的边权重,以实现对时间变化的用户偏好的建模,实验结果证明了该模型的有效性。
- M2HGCL: 多尺度元路径融合异构图对比学习
提出了一种新的多尺度元路径集成的异构图对比学习模型(M2HGCL),该模型通过扩展元路径并联合聚合直接邻居信息、初始元路径邻居信息和扩展元路径邻居信息,以充分捕捉判别信息,并进一步采用特定的正采样策略来纠正对比学习的内在缺陷,即困难负样本采 - 使用异构图神经网络寻找洗钱者
本研究首次应用图神经网络(GNN)在一个大规模真实异构网络上,通过结合机器学习技术,提高银行电子监控系统检测洗钱行为的质量。
- 使用相对位置标签将异构图与实体感知自注意力集成到阅读理解模型中
提出了一种新的关注模式,将异构图的推理知识集成到变压器架构中,用于解决复杂推理任务。
- 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 - 街边停车推荐:基于异构图的排序算法
本文提出了一种基于 learn-to-rank 模型和异构图的方法,自动推荐出直接可用的停车位,实现了实时停车信息的提供。在香港和旧金山的试验中表现出了不错的性能。
- AAAI用于抽象式多文档摘要的压缩异构图
HGSUM 是一种多文档摘要模型,其通过使用异构图来表示文档中的不同语义单元(例如单词和句子),并使用图池化进行压缩以保留文档中关键信息和关系。在训练中,HGSUM 使用另一种目标来最大化压缩图与来源自地面真实摘要构建的图之间的相似性,并通 - 基于最近示例的图神经网络序列标记
本文介绍了一种名为 GNN-SL 的新颖方法,它通过构建异构图并利用图神经网络技术从整个数据集中检索相似标注示例以提高序列标注任务的效果;在实验中,该方法达到了诸多关键任务的最佳性能表现。
- AAAI关系感知传递神经网络实现无偏异构场景图生成
本文提出了一种无偏差的异构场景图生成(HetSGG)框架,它使用信息传递神经网络捕捉基于谓词类型的上下文信息,包括复杂的对象间相互作用,并且通过关系感知信息传递神经网络(RMP)实现。我们的广泛评估表明,HetSGG 优于最先进的方法,在尾 - 半监督异构图学习与多层数据增广
该论文提出了一种名为 HG-MDA 的半监督异质图学习方法,通过数据增强、节点和拓扑增强等策略处理稀疏数据场景下异质图的信息异质性问题,采用基于元关系的关注机制和三角形边添加、删除等方式解决了负曲率问题,应用于互联网金融场景下的用户识别任务 - 面向异构图学习网络的关系中心化池化和卷积方法
提出了一种基于关系聚合和卷积 (PC-HGN) 的异构图神经网络模型,它可以进行关系特定的采样和跨关系卷积,从而更好地将图的结构异质性编码到嵌入空间中,与其他现有的图学习模型相比,其性能得到了最大 17.8%的提升。
- HDGT: 基于场景编码的多智能体轨迹预测的异质驱动图变压器
针对自动驾驶中编码驾驶场景以进行轨迹预测的任务,本文提出了一种新颖的骨干网络,称为异构驾驶图变换器 (Heterogeneous Driving Graph Transformer, HDGT),将驾驶场景建模为具有不同类型节点和边的异构图 - AMCAD:基于自适应混合曲率表示的广告检索系统
提出了一个自适应混合曲率广告检索系统(AMCAD),可以自动捕获非欧几里德(Euclidean)空间中的复杂和异构图结构,采用自适应混合曲率空间表示实体,并设计了注意力机制来模拟异构节点之间的相似度,设计了一个高效的二层在线检索框架来部署 - CorefDRE:使用指代消解的文档级关系抽取
本文旨在从多个句子构成的文档中提取关系事实。通过使用异构图构建和核心指代消解处理,作者提出了一个基于图推理网络的注意指代消解的方法来增强语义信息和降低噪声,并在 DocRED,DialogRE 和 MPDD 三个公共数据集上进行了实验,证明 - AAAILeSICiN:一种基于异构图的自动化印度法律文件法规识别方法
本研究提出了一种名为 LeSICiN 的模型,将法律引文网络和文本内容结合起来,成功地实现了对印度刑事法典(IPC)案例中存在的法律法规进行识别。通过对包含多个印度法院案件的案例事实和 IPC 法规的数据集进行实验,证实了该模型在法律条款识 - IJCAI从单体应用到微服务:通过异构图神经网络表示应用软件
通过基于异构图的表征学习解决将单体应用迁移成微服务架构中遇到的挑战。实验研究表明,我们的方法对不同种类的单体系统有效。
- EMNLP主题引导的抽象多文档摘要
该论文提出了一种基于异构图和神经主题模型的抽象多文档摘要模型,采用图到序列的框架,同时训练主题和摘要模块以提高性能和生成高质量主题。