SetTransformer

Graph Set Transformer 改进图集学习，融合上下文信息

研究人员开发了一种名为图集变换器（Graph Set Transformer, GST）的新型神经网络架构。该模型旨在从图集中学习，通过同时考虑集级上下文和局部结构来改进预测。与以往会造成特征提取瓶颈的方法不同，GST 在每一层都整合了节点级传播和跨图建模。评估表明，在相似的参数预算下，GST 在反应预测和图像分类等各种基准测试中的表现优于现有架构。