Schema 方法生成可扩展的大型属性图

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员开发了 Schema，一种新颖的、可扩展的大型属性图生成方法。Schema 将参考图递归地分解为软社区的层次结构，从而实现了一个三阶段的生成过程，该过程可以合成节点属性、生成社区内边以及对社区间连接进行建模。这种方法避免了形成完整的邻接矩阵，并在子图上运行，与现有模型在多达 1000 万个节点的真实世界属性图上的表现相比，在结构保真度和下游效用方面均表现更优。 AI

影响引入了一种新颖的可扩展图生成方法，有可能改进 AI 模型在复杂关系数据上的训练。

排序理由该集群包含一篇详细介绍新图生成方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新图生成方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ahmet T\"uzen, Helge Langseth, Kjetil N{\o}rv{\aa}g · 2026-10-09 04:00

通过软社区结构实现可扩展分层图生成

arXiv:2610.12163v1 Announce Type: cross Abstract: Generating large attributed graphs requires reproducing the topology, generating attributes jointly with the structure, and remaining scalable. Many real-world graphs exist as a single large graph, so a generative model has to gen…

本文如何被排名

报道来源 [1]

通过软社区结构实现可扩展分层图生成

相关实体

相关话题