CurvPrompt框架增强了低标签任务的动态图提示

研究人员开发了CurvPrompt，一个旨在改进动态图提示的新框架，适用于标记数据有限的任务。该方法通过根据局部拓扑和时间动态地将节点路由到一组不同的黎曼专家来解决“几何适应不足”的问题。CurvPrompt在预训练期间使用软路由来建立拓扑和几何之间的连续映射，然后在下游适应中过渡到硬Top-K路由，在少样本链接预测方面展示了显著的进步，并在节点分类方面表现强劲。 AI

影响 这项研究可以提高处理动态图数据的机器学习模型的效率和准确性，尤其是在训练样本有限的情况下。

排序理由 该项目是一篇学术论文，详细介绍了一种新的动态图提示方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• CurvPrompt
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

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