实体
Graph convolution network with similarity awareness and adaptive calibration for disease-induced deterioration prediction
Graph convolution network with similarity awareness and adaptive calibration for disease-induced deterioration prediction
PulseAugur coverage of Graph convolution network with similarity awareness and adaptive calibration for disease-induced deterioration prediction — every cluster mentioning Graph convolution network with similarity awareness and adaptive calibration for disease-induced deterioration prediction across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新型多模态图网络改进城市时空预测
本文提出了一种将区域间关系视为多模态机器学习问题的新型城市时空预测方法。所提出的方法利用多图卷积网络并结合两种交互技术来增强特征提取并减少泛化误差。具体来说，它在较低层使用分组 GCN 来整合不同模态的连通性，在较高层使用多线性关系 GCN 来学习更通用的特征，在网约车需求预测任务上的预测准确性和效率方面优于现有基线。
-
新方法融合图与文本进行专利实体对齐
本文介绍了一种新颖的科技专利知识图谱实体对齐方法。该方法利用图卷积网络结合BERT模型，融合了图的结构信息以及专利名称和描述等文本属性。这种多信息融合旨在提高实体对齐的准确性，在基准数据集上的表现优于现有方法（根据Hits@K评估指标）。