Core Concepts
SAEN introduces a novel architecture based on deep hierarchical decompositions for effective graph learning.
Abstract
SAEN framework extends classic R-decompositions to learn representations of large graphs.
SAEN outperforms current state-of-the-art graph classification methods on social network datasets.
Domain compression technique significantly reduces memory usage and runtime.
Experimental evaluation shows SAEN's effectiveness on various datasets, especially those with large degrees.
Stats
SAENは、大規模なグラフの効果的な表現を学ぶための深い階層的分解に基づく新しいアーキテクチャを導入します。
SAENは、ソーシャルネットワークデータセットで現在の最先端のグラフ分類方法を上回ることができます。
ドメイン圧縮技術は、メモリ使用量とランタイムを大幅に削減します。
実験評価では、特に大きな次数を持つデータセットに対してSAENの有効性が示されています。