BriefGPT.xyz
Ask
alpha
关键词
hierarchical graph representation learning
搜索结果 - 3
HiGraphDTI: 药物 - 靶标相互作用预测的分层图表示学习
通过学习三层分子图中层次化的药物表征,结合关注机制,识别关键分子片段,该研究提出了一种基于层次化图表示学习的药物靶标相互作用预测方法,从而更好地利用原子、模式和分子中嵌入的化学信息,提取了表达丰富的靶标特征,展示出其在 DTI 预测上的优越
→
PDF
3 months ago
精心选择和深思熟虑的丢弃:利用被丢弃节点的图显式池化
提出了一种新的图显式汇聚(GrePool)方法,通过明确利用节点之间的关系和最终表示向量的选择,解决了现有图汇聚方法中的两个关键问题,并进行广泛的实验证明其在分类准确度方面优于 14 个基线方法。
PDF
8 months ago
通过图信息最大化实现的图池化
提出了 Coarsened Graph Infomax Pooling (CGIPool) 方法,通过最大化每个池化层输入和粗化图之间的相互信息来维护图级依赖关系,并应用对比学习和提出自注意力算法来实现相互信息神经最大化。在七个数据集上的大
→
PDF
3 years ago
Prev
Next