- EMNLP基于字典异构图的跨语言文本分类转移
本文提出了一种使用高资源语言的任务无关单词嵌入和双语词典来完成跨语言分类任务的方法,具体实现为通过构建基于词典的异构图和引入两级聚合的 DHGNet 这一图神经网络模型。实验结果表明,该方法在准确度方面优于预训练模型,且对于翻译错误具有一定 - 基于上下文路径的异构图社区检测:图神经网络模型
在本文中,我们提出了一种基于上下文路径的图神经网络(CP-GNN)模型,通过递归地嵌入节点之间的高阶关系来区分不同关系的重要性,学习既能保留节点之间高阶关系又有助于社区检测的节点嵌入,从而优于现有社区检测方法。
- KDD利用直播电商的三元交互信息,提高产品推荐效果
本研究通过数据分析及建模,基于多重双向图解析互动信息,提出了一种新型的直播电商图神经网络框架(LSEC-GNN)以及优化商品推荐的多任务学习方法,并在不同规模的实际数据集上,对比了多种基准方法,表明我们的方法效果显著优于其他方法。
- 基于异构图注意力网络的 Twitter 谣言早期检测
本研究提出基于异质图的元路径捕获方法,结合全局语义关系和社交媒体消息传播结构信息,用于检测社交媒体中的谣言。在真实的 Twitter 数据集上进行的实验证明了该方法的优越性,同时还具有非常早期检测谣言的能力。
- SIGIR基于图卷积网络的捆绑推荐
本研究提出了一种名为 BGCN 的图神经网络模型,可以使用异构图同时建模用户 - 项目交互,用户 - 套餐交互和套餐 - 项目关联,通过固定负样本采样进行训练,能够更好地区分用户对相似套餐的喜好,并且在两个真实世界数据集上展现了强大性能的提 - 异质深度图卷积网络
本文提出了一种基于信息理论的非监督图神经网络方法,即异构深度图 Infomax(HDGI),用于解决异构图的特征提取与表示问题,利用本地 - 全局互信息最大化捕获高级节点表示,并在分类和聚类任务上取得优秀的表现。
- DeepTrax: 金融交易图嵌入
本文使用图形嵌入方法将信用卡交易的账户和商家实体嵌入到欧氏向量空间中,并展示了这些嵌入可以用于欺诈检测等机器学习业务应用。
- ACL通过异构图推理跨多个文档的多跳阅读理解
本文提出了一种名为异构文档 - 实体图(HDE)的图形结构,并使用基于图神经网络的消息传递算法在 HDE 图上进行推理,以解决多跳阅读理解问题。实现了单个 HDE 模型的有竞争力的结果和集合模型的最先进性能.
- 异构图注意力网络
该论文提出了一种基于分层注意力机制的异构图神经网络,包括节点层次和语义层次的注意力机制,通过从元路径邻居中汇总特征来生成节点嵌入,其在三个真实的异构图上表现出优越性能且有助于图分析。
- SIGIR异构图上层次表示学习的跨语言引文建议
本研究提出了一种新颖的方案,通过异构图上的分层表示学习来进行跨语言引用推荐,可以优化出在图上定位重要的跨语言邻域的概率,实验结果显示该方法不仅可以超越现有的基线模型,而且可以提高跨语言引用推荐任务的表现。
- ACL在 Semantic Scholar 中构建文献图谱
通过 NLP 技术构建一个规模巨大的异构图,用于组织已发表的科学文献,并且在 www.semanticscholar.org 上使用此系统以实现语义功能。