关键词relational graph convolutional network
搜索结果 - 4
- 大规模药物相互作用预测的分层多关系图表示学习
本文提出了一种基于层次化多关系图表示学习的方法来预测药物间的相互作用，通过构建异构图和使用关系图卷积网络以及多视角可区分的谱聚类模块来捕捉药物间的显式和隐式关联，并且利用高级药物对预测药物间相互作用进行性能优越的预测。
- R-GCN: R 可以代表随机
本文介绍了 “随机关系图卷积网络” 的方法，该方法相比 “关系图卷积网络” 表现出色，其中重要的贡献在于信息传递而非学习得到的权重。
- ACL追溯起源：具有共指关注的机器阅读理解
本文介绍了一种模拟人类阅读过程并利用实体的指代信息来增强预训练语言模型中的词嵌入以提高模型性能的方法，头两种微调方式，即在预训练模型后添加额外的编码器层以关注实体的指代提及或构建关系图卷积网络来建模实体间的关系。结果表明，在微调阶段明确加入 - 关系图卷积网络：深入探讨
本文介绍了关系图卷积网络 (RGCN) 的复现，通过使用基准知识图谱数据集上的节点分类和链接预测任务，验证了 RGCN 的正确性。研究人员还介绍了两个更加参数有效的 RGCN 配置。