一篇新论文探讨了图标记化在将 Transformer 应用于图学习任务中的关键作用。研究人员证明，将图结构转换为标记的方法会显著影响 Transformer 的表达能力以及计算所需的深度。研究表明，某些标记化方法（如随机游走）本质上是有损的，而另一些方法（如谱标记化）可能不适合特定任务。研究结果表明，结合互补的标记化策略可以增强 Transformer 利用多样化结构信号的能力，从而提高性能。 AI
影响 强调了图标记化方法如何从根本上影响 Transformer 在图学习任务中的性能。
排序理由 该集群包含一篇学术论文，详细介绍了关于特定机器学习技术的理论发现和实验验证。
- Graph Tokenization
- Maya Bechler-Speicher
- random-walk tokenization
- spectral tokenization
- Transformers
- adjacency tokenizations
- graph learning
- tokenization
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →