PulseAugur
中
实时 23:56:24
English(EN) Graph Learning via Logic-Based Weisfeiler-Leman Variants and Tabularization

新的基于逻辑的图学习方法在速度和性能上可与GNN媲美

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Weisfeiler-Leman算法的新变体，用于图分类，这些变体涉及修改底层逻辑框架。这些变体允许图数据被表格化，从而能够应用标准的表格数据方法。在14个数据集上的实验表明，这种方法在预测性能上可与图神经网络和图Transformer相媲美，同时速度显著更快，并且不需要GPU资源。 AI

影响 为图分类任务提供了一种更快速、无需GPU的替代方案，有可能扩大可及性。

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

在 arXiv cs.LG 阅读 →

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]

  1. arXiv cs.LG TIER_1 English(EN) · Reijo Jaakkola, Tomi Janhunen, Antti Kuusisto, Magdalena Ortiz, Matias Selin, Mantas \v{S}imkus ·

    Graph Learning via Logic-Based Weisfeiler-Leman Variants and Tabularization

    arXiv:2508.10651v3 Announce Type: replace Abstract: We present a novel approach for graph classification based on tabularizing graph data via new variants of the Weisfeiler-Leman algorithm and then applying methods for tabular data. The variants are obtained by modifying the unde…

相关实体

相关话题