heterogeneous graphs | BriefGPT

关键词heterogeneous graphs

搜索结果 - 31

具有频谱增强的异构图对比学习
本文介绍了一种光谱增强图对比学习模型（SHCL），首次在异构图神经网络中引入了一种光谱增强算法，通过异构图本身学习了一种自适应拓扑增强方案，扰乱了异构图的光谱维度的结构信息，从而最终提高了模型的学习效果。实验结果表明，该模型在多个真实数据集
PDF6 days ago
WineGraph: 食物 - 葡萄酒搭配的图表示
利用 WineGraph 将葡萄酒数据整合到 FlavorGraph 中，通过口感和侍酒师定义的规则实现食物与葡萄酒的搭配。利用 50 万份食物评论和 13 万份葡萄酒评论数据计算出口味描述符，进而实现食物与葡萄酒的组合，扩充了 Flavo
PDF9 days ago
异质图的分离式双曲线表征学习
本文提出了一种名为 Dis-HGCN 的解缰离散超几何异构图卷积网络，旨在通过独立的信息传播来解缰语义特征和结构特征，以及通过超几何结构拉近数据分布和表示空间的差距，并在诸多真实世界异构图数据集上进行验证，结果证明其在超几何空间中解缰和表示
PDF22 days ago
ICML基于槽位的异构图神经网络消息传递
SlotGAT 是一种用于处理异构图数据的强大的异构图神经网络，通过在不同节点类型之间维持各自的特征空间，解决了现有消息传递过程中存在的语义混合问题，并通过基于槽的消息传递和槽注意机制实现了有效的消息聚合和下游任务中不同槽的重要性学习。
PDF2 months ago
生成对比异构图神经网络
通过利用自监督学习，我们提出了一种新颖的生成对比异构图神经网络 (GC-HGNN)，并且在结点分类和链接预测任务中显著超越最新的对比和生成基线模型。
PDF3 months ago
HeteroMILE：异质图的多层图表示学习框架
HeteroMILE 是一种可以使得当代图嵌入方法适应大型图的通用方法，在保持骨干结构的同时将大尺寸图编织成较小尺寸以减少计算成本，并且在链接预测和节点分类方面产生更好质量的嵌入。
PDF3 months ago
异构图上的小样本学习：挑战、进展和前景
少样本学习与异构图 (FLHG) 的研究引起了学术界和工业界的广泛关注，该研究旨在解决异构图中标签稀疏性导致的性能下降问题。本文从单一异构性 FLHG、双重异构性 FLHG 和多重异构性 FLHG 三个分类角度对现有 FLHG 方法进行全面
PDF4 months ago
COOL：基于时空图神经网络的交通预测的共有观点
本文介绍了交通预测的问题，并针对现有方法在建模时间和空间关系上的局限性以及对过渡模式的多样性的挑战，提出了一种名为 COOL 的综合时空图神经网络，通过构建异质图来捕捉高阶时空关系，并使用亲和力图和惩罚图来引导后续信息传递，进而增强交通预测
PDF4 months ago
大规模异构图中基于大型语言模型的可扩展链接预测
这篇论文描述了如何将大规模语言模型应用于图学习，提出了 LPNL（通过自然语言进行链接预测）框架来处理大规模异构图上的可扩展链接预测任务，并通过自我监督学习细调了基于 T5 模型的链接预测模型，实验证明 LPNL 在大规模图链接预测任务上表
PDF5 months ago
大规模标记图的快速蝴蝶核社区搜索
该论文提出了一种基于蝴蝶核心社区结构的快速搜索方法，用于在异构图中识别与查询顶点对应的密集相互连接的子图。通过随机游走与重新开始算法和蝴蝶度綜合评估社区内顶点的重要性，并采用更有效的顶点距离更新方法，避免不必要的顶点访问，提高操作效率。通过
PDF6 months ago
基于子图采样的异构图节点嵌入的 GAN 方法
我们提出了一个新方法来解决异构图中的类不平衡问题，该方法结合了生成对抗网络（GANs）和图神经网络（GNNs）的优点，通过创建合成节点和边来有效地平衡数据集。该方法直接针对数据级别的不平衡问题，并解决了数据生成过程中忽略图结构以及在下游任务
PDF7 months ago
Hetero$^2$Net: 非同质图上的异质感知表示学习
利用元路径识别异质图中的异质性并提出了两个度量方法来定量描述异质性水平，在多个具有不同异质性水平的真实异质图上进行了深入研究，观察到继承自处理同质图的图神经网络对异质图的异质性或同质性较低的泛化能力有限。为解决这一挑战，提出了一种新的异质图
PDF9 months ago
UniKG: 大规模知识图谱的基准和通用嵌入
通过构建大规模异构图数据集 UniKG 并采用语义对齐策略和异质图传播模块 (APM) 实现多属性实体的高效信息传播和多跳聚合，该方法在 UniKG 数据集上进行基于节点分类的评估，扩展了大规模均匀图研究方法在异构图上的应用。
PDF10 months ago
利用加权混合曲率积流形改进异质图学习
本研究通过加权产品流形的数据驱动方法，可以更准确地表示异构图的结构，并从输入数据中学习出更好的图表示，以在多个下游任务中获得更好的性能。
PDFa year ago
双层注意力图神经网络
本文提出了一种可扩展的 Bi-Level Aufmerksamkeitsgraph-neuronale Struktur (BA-GNN)，该结构使用新的双层图注意机制，以从局部邻域上下文中层次化地注意来自本地邻域上下文的节点 - 节点和关
PDFa year ago
H2CGL：建模引文网络动态以预测影响力
本研究建立了层次化和异构图形用于记录目标论文的科学背景信息，并提出了 H2CGL 模型，它可以单独聚合每年的异构信息以及为高引用论文和参考文献、引用和目标论文之间的关系设置优先级。该模型可以捕获异构子图之间的动态矛盾，并利用对比学习使图表示
PDFa year ago
WWW同构偏好导向的异质图重连
本研究旨在提高异质图神经网络（HGNN）在非同质化环境下的泛化能力，通过提出一种基于元路径的刻画异质图同质性度量方法，并设计了基于同质性的异质图重连方法 HDHGR 来提高 HGNN 的性能。实验证明 HDHGR 的有效性，可以获得 10％
PDFa year ago
ACLFewShotTextGCN：基于 K-hop 邻域正则化的图少样本学习
FewShotTextGCN 提出了一种新的方法，并引入了 K-hop 邻域正则化和自适应伪标签等技术，来解决在资源匮乏情况下学习效果不佳的问题，并在多语言文本分类任务中，表现优异。
PDFa year ago
SCENE: 使用异构图神经网络推理交通场景
本文提出了 SCENE 方法，通过使用异构图神经网络编码交通场景，利用层级图卷积和任务特定解码器进行推理和预测。结果表明，该方法在节点分类任务上表现优异，并具有较强的泛化性。
PDFa year ago
元节点：有效学习异构图中复杂关系的简明方法
本文介绍一种新型概念 ——meta-node，在异构图的消息传递中用于学习富关系型知识，避免了提前配置 meta-paths 和 meta-graphs，并将该方法应用于对比学习模型中，实验表明 meta-node 方法在节点聚类和分类任务
PDF2 years ago