- KDD通过注入上下文化的子结构信息来提升 K - 跳消息传递 GNNs 的表现力
本研究探讨了基于图神经网络的 K-hop 传递模型的局限性,并提出了子结构编码函数,以提升其表达能力,并注入情境化子结构信息增强表达能力。实证结果表明,该方法在多个数据集上取得了新的最优表现或可比较的性能。
- 通过基于置信度的图稀疏化提高 GNN 预测的可解释性
我们提出了一种使用增强学习进行训练的 GNN 方法,通过移除边和 / 或节点找出最具预测性的子图,同时优化图分类任务的性能,从而在与基线相竞争的性能下,依赖于更稀疏的子图,从而产生更可解释的基于 GNN 的预测结果。
- IJCAI子图邻域关系信息最大化的归纳式知识图谱链接预测
本研究提出了一种利用相邻子图信息来求解知识图谱中未观察实体之间关系的方法,其中利用相邻关系来强化节点特征和稀疏子图的关系,并应用互信息最大化来全局建模相邻关系,实验证明该方法在归纳式链接预测任务上明显优于现有最先进方法,并证实了全局建模相邻 - 图稀疏化的相关信息原则
本文提出了一种基于信息论的图稀疏化方法,通过扩展相关信息原理,并在图的拉普拉斯矩阵上进行操作,实现了目标。该方法在图稀疏化,图正则化多任务学习和医疗影像派生的大脑网络分类等多个现实世界的应用中表现良好。
- ICLR子图到节点的翻译:高效的子图表示学习
本文提出了 Subgraph-To-Node (S2N) 翻译,通过粗糙地将子图转化为节点来有效地学习子图表示,减少训练和推理中的内存和计算成本,实验结果表明,使用 S2N 翻译的模型比现有技术更有效。
- 多跳知识库问答的子图检索增强模型
本研究提出了一种可训练的子图检索器(SR),它与后续的推理过程分离,可增强任何以子图为导向的 KBQA 模型,并通过弱监督的预训练以及端到端的微调,与 NSM 组合成为新的基于嵌入的 KBQA 方法的最新的最先进的表现。
- 子图联邦学习与缺失邻居生成
本文对子图联邦学习问题提出两种主要技术,即基于 FedAvg 的 FedSage 模型和带有缺失邻居生成器的 FedSage + 模型,以协作地训练功能强大且具有泛化能力的图形挖掘模型而无需直接共享图形数据。实验结果表明我们所提出的方法在四 - ACL从推理路径提取桥接概念生成常识解释
本文提出了一种方法,它利用外部常识知识建立一个语句与桥梁概念之间的连接,从而生成对应的解释,并在对常识解释生成任务中得到了比现有模型更好的表现。
- 图算法的平均灵敏度
对图算法的平均敏感度进行系统研究,并提供了具有低平均敏感度的近似算法,其中主要应用了局部计算算法和已知次线性时间算法的分析方法。
- EMNLP利用知识库和文本的早期融合进行开放领域问答
该论文提出了一种新模型 Graft-Net,应用于 Open Domain Question Answering 问题,该模型结合了文本和知识库并利用子图表示法以提高效率和准确度
- 通过参数共享实现高效神经架构搜索
ENAS 提出了高效神经架构搜索方法,使用控制器在大型计算图中发现神经网络架构,以优化子图为目标进行训练,利用共享子模型参数,使用的 GPU-hours 要比所有现有的自动模型设计方法少 1000 倍,设计出实现最新技术水平的新型结构。
- 基于 SDP 的线性大小谱稀疏化算法
本篇研究将提出一种计算效率更高的算法来构建图的 $(1 + ϵ)$- 频谱稀疏子图,该算法基于三种新技术,并使用新的潜力函数,通过半定规划求解构造单侧频谱稀疏子图。
- 使用二分图比例度量检测和表征小的稠密的类似二分图子图
本文研究了找出并表征具有小双分数的子图的问题,提出了两个近似算法:SwpDB 和 LocDB,并使用图的 Laplacian 的第 k 个最大特征值进行了小而密集的双分图的谱特征描述。
- 社区结构与 Erdös-Rényi 图的无标度集合
研究社交网络中的社区结构,提出子图可作为社区的定义,并证明任何子图必须包含密集的 ER 子图,表明存在着基于 ER 子图的社区结构,最终提出 BTER 模型并验证其可用于现实世界社交网络的可观测属性.
- 有效电阻实现的图稀疏化
该研究提出一种几乎线性时间算法,用于生成加权图的高质量减少子集。算法包含一个独立的子程序,可用于在几乎线性时间内创建数据结构,从而可以在 $O (log n)$ 时间内查询图中任意两个顶点之间的近似有效电阻。