
Durch die Kombination von semantischen Informationen aus Wissensgraph-Einbettungen und strukturellen Informationen aus Graph-Einbettungen kann die Leistung von Graph-Convolutional-Netzwerken bei der Knoten-Klassifizierung deutlich verbessert werden.


coremsg

effiziente-verarbeitung-und-analyse-von-graphdaten-durch-semantisch-strukturelle-aufmerksamkeits-verstärkte-graph-convolutional-netzwerke


Effiziente Verarbeitung und Analyse von Graphdaten durch semantisch-strukturelle Aufmerksamkeits-verstärkte Graph-Convolutional-Netzwerke


title_rewrite


Die vorgeschlagene Methode GCSR ermöglicht eine effiziente Verdichtung von Graphdaten, indem sie eine explizite und interpretierbare Graphstruktur für den synthetischen Datensatz rekonstruiert, die sowohl die Selbstausdrucksfähigkeit der Knoteneigenschaften als auch die Informationen der ursprünglichen Graphstruktur berücksichtigt.


effiziente-verdichtung-von-graphdaten-durch-selbstausdrucksstarke-rekonstruktion-der-graphstruktur


Effiziente Verdichtung von Graphdaten durch selbstausdrucksstarke Rekonstruktion der Graphstruktur
