一篇新研究论文探讨了多关系图学习中关系的可信度，特别是在对抗性场景下。该研究引入了“操纵成本”的概念来量化改变特定关系所需的努力。主要发现表明，与简单选择或重新加权关系相比，度门控是一种更优越的策略，尤其是在对手无法承担损害门控的情况下。该研究还提出了一个每节点暴露界限，用于识别需要强化的关系，并证明了其在提高陷阱阈值方面的有效性。 AI
影响 这项研究通过改进图学习系统处理潜在被操纵或不可信关系数据的方式，有望带来更强大的图学习系统。
排序理由 该集群包含一篇在 arXiv 上讨论多关系图学习的研究论文。[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 →
