Correct-and-Smooth

简单基线在关系深度学习中可匹敌复杂模型

研究人员重新审视了关系深度学习的简单基线方法，该方法将关系数据库表示为时间异构图。他们的研究侧重于利用目标属性、关系属性和历史标签，通过基本的传播技术。通过调整固定的低通特征传播并训练多层感知机（MLP），他们发现这种方法在大多数任务上优于仅使用目标实体特征的模型，并取得了比更复杂的图神经网络和Transformer模型相当的性能。通过使用Correct-and-Smooth（一种结合了元图上历史标签的标签传播算法）进行了进一步改进，…