研究人员推出了一种名为 TypeBandit 的新方法，旨在改进异构图神经网络中的属性补全。该方法通过认识到不同节点类型提供不同程度的有用信息来解决节点属性缺失的挑战。TypeBandit 优化了这些节点类型的采样资源分配，以增强表示学习。 AI
影响 引入了一种改进复杂图结构中数据补全的新技术，可能增强下游机器学习任务。
排序理由 这是一篇详细介绍图神经网络中属性补全新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
TypeBandit 方法改进了异构图中的属性补全
报道来源 [1]
-
TypeBandit：用于异构图神经网络中有效属性补全的类型级上下文分配与重加权
arXiv:2604.27356v1 Announce Type: cross Abstract: Heterogeneous graphs are widely used to model multi-relational systems, but missing node attributes remain a major bottleneck for downstream learning. In this paper, we identify and formalize type-dependent information asymmetry: …