Yule Liu

新型扩散模型ReDiSC可扩展图节点分类

研究人员推出ReDiSC，这是一种新颖的重参数化掩码扩散模型，专为具有结构化预测的可扩展节点分类而设计。该模型解决了现有图神经网络（GNN）的局限性，这些网络通常假设节点标签之间条件独立，而在图结构中并非总是如此。ReDiSC在变分期望最大化框架内使用扩散模型来估计节点标签的联合分布，提供了效率优势，并在各种图类型和大小上实现了具有竞争力的性能。值得注意的是，ReDiSC在先前基于扩散的方法失败的大型数据集上表现出可扩展性。