实体
Graph
Graph
PulseAugur coverage of Graph — every cluster mentioning Graph across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新模型LIP增强图上的多标签节点分类
研究人员开发了一种名为标签影响传播（LIP）的新模型，以改进图上的多标签节点分类。LIP将图神经网络中的消息传递过程分解为传播和转换操作，从而能够详细分析标签影响相关性。通过构建标签影响图并传播高阶影响，LIP动态调整学习过程，以放大积极的标签贡献并减轻消极的贡献。在基准数据集上的评估表明，LIP的性能始终优于最先进的方法。
-
新方法将Transformer的位置编码适配到图数据
研究人员正在探索将旋转位置编码（RoPE）——一种广泛用于Transformer大语言模型和视觉Transformer的技术——应用于图结构数据。一种称为波诱导旋转编码（WIRE）的方法，应用图拉普拉斯算子的谱信息来旋转token，从而提高图学习任务的性能。另一项开发，高维动态旋转位置嵌入（HDD-RoPE），提出了一种多维位置嵌入方法，允许数据依赖的旋转并加速在TinyStories等数据集上的收敛。