每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

GLANCE：具有聚类增强功能的图形逻辑注意力网络，用于异构图形表示学习

Created by
  • Haebom

作者

孙中天、Anoushka Harit、Alexandra Cristea、Christl A. Donnelly、Pietro Li o

大纲

图神经网络 (GNN) 在学习图结构数据方面表现出色，但在异构图中却举步维艰，因为异构图中连接节点的特征或类别标签存在差异。为了突破这些限制，我们提出了 GLANCE（带聚类增强的图逻辑注意力网络），该框架通过集成基于逻辑的推理、动态图细化和自适应聚类来增强图表征学习。GLANCE 结合了用于可解释和结构化嵌入的逻辑层、用于去除噪声的基于多头注意力机制的边剪枝以及用于全局模式捕获的聚类机制。在康奈尔大学、德克萨斯州和威斯康星州的基准数据集上进行的实验表明，GLANCE 实现了极具竞争力的性能，为异构图场景提供了稳健且可解释的解决方案。

Takeaways, Limitations

•
Takeaways：
◦
提高异构图上的 GNN 性能。
◦
提供可解释的图形表示学习。
◦
轻量级框架，适应性极佳。
◦
我们提出了一种集成基于逻辑的推理、动态图形细化和自适应聚类的新方法。
•
Limitations：
◦
Limitations，正如论文中所述，并未提出。
👍
Made with Slashpage