研究人员推出了一种新颖的图分类框架 NetinfoGC，该框架利用网络可用信息 (NUI) 范式。该方法通过从传播机制和经典结构描述符构建置换不变图表示，超越了传统的端到端神经网络训练。NetinfoGC 包括一个无训练程序，用于根据聚类一致性估计表示质量，作为监督学习之外任务相关信息的代理。实验表明，传统的中心性度量可以与学习到的表示方法相媲美，有时甚至优于它们，同时还显示了估计的 NUI 与下游分类准确度之间存在很强的相关性。 AI
影响 通过减少对端到端神经网络训练的依赖，为图分析提供了一种更具可解释性且可能更有效的方法。
排序理由 该集群包含一篇学术论文，详细介绍了图分类的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]
- graph centrality measures
- graph classification
- graph neural network
- NetinfoGC
- Network Usable Information
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
