English(EN) Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow

几何演化图卷积网络增强图表示学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-07 04:00

研究人员开发了一个名为几何演化图卷积网络（GEGCN）的新框架，以改进图表示学习。这种新颖的方法利用长短期记忆（LSTM）网络处理源自离散Ricci流的动态结构序列。然后将学习到的表示集成到图卷积网络中，在不同类型的图的各种分类任务上表现强劲。 AI

影响引入了一种增强图表示学习的新方法，有可能提高涉及复杂网络结构的任务的性能。

排序理由介绍图表示学习新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Jicheng Ma, Yunyan Yang, Juan Zhao, Liang Zhao · 2026-05-07 04:00

Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow

arXiv:2603.26178v2 Announce Type: replace Abstract: We introduce the Geometric Evolution Graph Convolutional Network (GEGCN), a novel framework that enhances graph representation learning through explicit modeling of geometric evolution on graph structures. Specifically, GEGCN le…