关键词subgraph-enhanced graph neural networks
搜索结果 - 2
- 结合随机解释器和子图神经网络可提高表达能力和可解释性
该论文介绍了如何利用有意义的子图来加强图神经网络的表达能力,并提出了一个能够同时预测图分类和辅助解释性稀疏子图的新框架,其所提供的子图能够在保持相近精度的情况下提供说明性的解释。
- 有序子图聚合网络
本文提供了一种统一的方法来研究增强次图 GNN 的架构,包括理论框架和对子图增强 GNN 可表达性的已知结果进行扩展,同时研究了三种用于学习采样子图的方法,通过实验证明了数据驱动架构可以提高标准基准数据集的预测精度,同时减少计算时间。