PulseAugur
中
实时 11:27:52
English(EN) GraphLand: Evaluating Graph Machine Learning Models on Diverse Industrial Data

GraphLand 基准测试评估不同工业数据上的图机器学习模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 GraphLand，这是一个包含 14 个来自各种工业应用的多样化图数据集的新基准。该基准旨在解决现有图机器学习评估的局限性，这些评估通常侧重于狭窄的数据领域和学术网络。GraphLand 允许对图机器学习模型（包括通用图基础模型）在广泛的图特征和实际时间变化方面进行更全面的评估。 AI

影响 为图机器学习模型提供更强大的评估框架，可能指导图基础模型的未来发展。

排序理由 该集群描述了一个新的图机器学习模型基准数据集和评估框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GraphLand 基准测试评估不同工业数据上的图机器学习模型

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gleb Bazhenov, Oleg Platonov, Liudmila Prokhorenkova ·

    GraphLand：在多样化的工业数据上评估图机器学习模型

    arXiv:2409.14500v5 Announce Type: replace Abstract: Although data that can be naturally represented as graphs is widespread in real-world applications across diverse industries, popular graph ML benchmarks for node property prediction only cover a surprisingly narrow set of data …

相关实体

相关话题