实体
Graph ML
Graph ML
PulseAugur coverage of Graph ML — every cluster mentioning Graph ML across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
LION：新的Clifford神经网络范式增强了多模态图学习
研究人员推出LION，这是一种新颖的Clifford神经网络范式，专为多模态属性图学习而设计。这种新方法通过更好地将图上下文整合到模态对齐中并改进模态融合期间的适应性，解决了现有方法的局限性。LION利用Clifford代数和解耦的图神经网络范式来实现有效的对齐和融合，在九个文本-图像数据集的多个下游任务上，与最先进的基线相比，性能有了显著提升。
-
新研究发现，在节点预测任务上，先进的GFM仅略优于GNN
一项最新研究重新评估了九种图基础模型（GFM）在节点属性预测任务上的表现。节点属性预测是图机器学习中的一项常见应用，用于欺诈检测和推荐系统等领域。研究发现，只有采用先验数据拟合网络（Prior-data Fitted Networks）范式的GFM才能优于精心调优的图神经网络（GNN）。然而，这些先进的GFM带来了更高的推理成本。