当前位置:首页 > 报告详情

宋国杰 - 子图结构特征提取驱动的图神经网络模型.pdf

上传人: li 编号:30069 2021-02-08 41页 3.70MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了图神经网络(GNN)在网络结构学习中存在的问题,并提出了一种名为GraphSTONE的新型GNN模型。作者指出,现有的GNN模型在处理网络结构时存在局限性,例如无法区分具有相同度和大小的非同构图。为了解决这一问题,作者提出了一种结构主题神经网络,该网络可以有效地描述和建模网络的局部结构。实验结果表明,该模型在节点分类和链接预测任务中表现出色,能够生成更具区分性的表示向量。此外,GraphSTONE模型在表达网络结构时具有较高的效率和表达力。作者还讨论了未来的研究方向,包括如何更有效地计算和表达子结构,以及如何发现新的GNN模型来处理子结构。
"图神经网络的局部结构模式研究有哪些新进展?" "如何利用图锚定LDA模型发现图中的关键结构模式?" "GraphSTONE模型在图结构主题感知方面有哪些创新?"
客服
商务合作
小程序
服务号
折叠