实体
GraphLand
GraphLand
PulseAugur coverage of GraphLand — every cluster mentioning GraphLand 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
-
聚类注意力（CLATT）增强图机器学习模型
研究人员推出了一种新颖的增强图机器学习的方法——聚类注意力（CLATT）。CLATT通过将节点划分为簇并在这些簇内进行注意力计算，解决了消息传递神经网络和图变换器中的局限性。该方法旨在提供大的感受野，同时保留关键的图结构归纳偏置。实验表明，通过在现有模型中加入CLATT，在包括GraphLand基准数据集在内的各种图数据集上的性能得到了显著提升。
-
GraphLand 基准测试评估不同工业数据上的图机器学习模型
研究人员推出了 GraphLand，这是一个包含 14 个来自各种工业应用的多样化图数据集的新基准。该基准旨在解决现有图机器学习评估的局限性，这些评估通常侧重于狭窄的数据领域和学术网络。GraphLand 允许对图机器学习模型（包括通用图基础模型）在广泛的图特征和实际时间变化方面进行更全面的评估。