ICLR2021-2：ARE GRAPH CONVOLUTIONAL NETWORKS FULLY EXPLOITING THE GRAPH STRUCTURE

時間 2021-04-05

標籤 GNN Model 圖神經網絡简体版

原文原文鏈接

第二篇盲審的論文，這篇可能相比別的中的希望不是很大？哈哈哈，我猜的啦。爲了利用遠距離的依賴信息，本文采取了四種不同的圖結構信息注入的方式，並利用它們來分析長期依賴關係的重要性。提出了一種新的正則化技術，基於帶重新啓動的隨機遊走方法，稱爲RWRReg，它鼓勵網絡將遠程信息編碼爲節點嵌入。長期結構信息的缺乏極大地影響了最新模型的性能，而RWRReg利用的長期信息使所有考慮的任務的平均精度提高了5%以

>>阅读原文<<

1. Theano Graph Structure
2. Emotion Recognition Using Graph Convolutional Networks
3. GCT: Graph Convolutional Tracking
4. Graph Convolutional Matrix Completion
5. [Paper Reading]--Exploiting Relevance Feedback in Knowledge Graph
6. MuchGCN：Multi-Channel Graph Convolutional Networks
7. Modification of Graph Convolutional Networks in PyTorch
8. Graph Convolutional Policy Network for Goal-Directed Molecular Graph Generation
9. Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification
10. Learning about Graph Network
更多相關文章...
• Git 標籤 - Git 教程
• Git 查看提交歷史 - Git 教程
• Java 8 Stream 教程
• Kotlin學習（二）基本類型

相關標籤/搜索