signed graph neural networks | BriefGPT

关键词signed graph neural networks

搜索结果 - 5

对抗鲁棒性有符号图对比学习来自平衡增强
存在不可翻转的结构化平衡信息挑战时，我们提出了一种强大的平衡增强有符号图对比学习（BA-SGCL）框架，它结合了图对比学习原理和平衡增强技术，并且在各种数据集上展现了对抗攻击下的鲁棒性以及链接符号预测任务上的卓越性能。
PDF6 months ago
平衡有符号图神经网络的增强与边效用过滤
提出了一种平衡增强方法，用于解决具有两类边（正向和负向）的有符号网络中存在的负边对有符号图神经网络的鲁棒性可能产生的语义和结构不平衡问题。
PDF8 months ago
CSG: 有符号图的课程表示学习
我们提出了一种基于课程的训练方法，通过引入轻量级机制和创造签名图课程表示学习框架，优化了 SGNN 模型呈现样本的顺序，并在六个真实数据集上进行了实证验证，结果表明在链接符号预测（AUC）中，模型的准确性提高了 23.7%，标准差降低了 8
PDF9 months ago
SGA：一种用于带符号图神经网络的图增强方法
本研究通过使用数据增强技术解决了当前基于 SGNN 的有向图表示学习所面临的稀疏性、不平衡三角形和缺乏附加信息的挑战，并引入了一种新颖的有向图增强框架（SGA），通过 SGNN 模型编码有向图、提取潜在结构信息并评估候选样本，最终改善了多个
PDF9 months ago
提高学生性能预测中基于学习者提供问题的 SGNN-LLM 协同效应
通过集成 SGNN 和 LLM 嵌入的创新策略来增强学生问答数据的噪声韧性，从而提高基于学习者提供的数据的预测准确性。在冷启动场景下表现出优异的预测准确性，尤其有利于解决问题缺乏学习者反馈的情况。经过对 5 个实际数据集的验证，方法胜过基准
PDF9 months ago