实体
R-GCN
R-GCN
PulseAugur coverage of R-GCN — every cluster mentioning R-GCN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
新AI模型利用公开数据预测高潜力中小企业
研究人员开发了SME-HGT，一个异构图Transformer框架，旨在识别在融资轮次中有高潜力的中小型企业（SMEs）。该模型利用公开数据预测哪些小企业创新研究（SBIR）第一阶段获奖者有可能获得第二阶段的资助。通过构建公司、研究课题和政府机构的图谱，SME-HGT实现了0.621的AUPRC，优于基线模型，并显示出显著高于随机选择的提升。
-
新的HetSheaf框架增强了异构图学习
研究人员推出了一种新颖的框架HetSheaf，通过利用细胞层来学习异构图。该方法将异构性直接编码到数据结构中，从而实现类型感知的局部特征空间和基于节点和边类型的学习限制映射。与现有的同质、异构和类型无关的层基线相比，HetSheaf在节点分类、链接预测和图分类任务上表现出优越的性能，同时显著减少了参数数量。
-
TypeBandit 方法改进了异构图中的属性补全
研究人员推出了一种名为 TypeBandit 的新方法，旨在改进异构图神经网络中的属性补全。该方法通过认识到不同节点类型提供不同程度的有用信息来解决节点属性缺失的挑战。TypeBandit 优化了这些节点类型的采样资源分配，以增强表示学习。