Weisfeiler-Lehman
PulseAugur coverage of Weisfeiler-Lehman — every cluster mentioning Weisfeiler-Lehman across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
HERALD 框架改进了异质性数据的图压缩
一个名为 HERALD 的新框架已被开发用于图压缩，该过程创建一个较小的图来表示较大的图，同时保持下游任务的性能。与假设同质性（相邻节点共享标签）的先前方法不同，HERALD 被设计用于处理异质性（相邻节点可能具有不同标签）。它通过根据图测量的异质性调整节点评分和特征选择来实现这一点，使用诸如 Fisher-判别性和局部内在维度之类的标准。实验表明，HERALD 在各种图神经网络架构的异质性数据集上的表现与现有方法相当或更好。
-
新的BiScale-GTR框架增强了分子表示学习
研究人员推出了一种新颖的分子表示学习自监督框架BiScale-GTR。该方法利用上下文基础的共享片段标记，其中使用基于Weisfeiler-Lehman (WL) 的片段标识和递归分解创建图字节对编码 (graph-BPE) 词汇表。然后，该框架使用原子级GNN表示来基础每个共享片段标记，从而实现相同片段的上下文相关表示。一种结构感知的片段变换器处理这些标记，以捕获可重用的子结构标识、局部化学上下文和长程分子依赖性，在各种分子机器学习…
-
拓扑神经网络通过CCWL测试获得统一框架
研究人员引入了组合复形Weisfeiler-Lehman（CCWL）测试，这是一个旨在统一和增强拓扑深度学习的新框架。这项新测试将Weisfeiler-Lehman测试扩展到组合复形，为拓扑神经网络提供了理论基础。提出的组合复形同构网络（CCIN）在基准测试中表现出色，为拓扑结构上的深度学习提供了更通用的表达能力。