Theoretische Ausdruckskraft und Gestaltungsraum von höheren Ordnung Graph-Transformatoren
Die Studie untersucht die theoretische Ausdruckskraft und den Gestaltungsraum von höheren Ordnung Graph-Transformatoren. Sie zeigt, dass ein einfacher Ordnung-k Graph-Transformer ohne zusätzliche Strukturinformationen weniger ausdrucksstark als der k-Weisfeiler-Lehman-Test ist, aber durch Hinzufügen von Tupel-Indizes als Eingabe mindestens so ausdrucksstark wie k-WL werden kann. Außerdem werden effizientere und ausdrucksstärkere sparse Varianten der höheren Ordnung Graph-Transformatoren entwickelt, die die Graphstruktur nutzen.
Umfassender Benchmark für die sofortige Auswahl von Graph-Lernmodellen
Die Wahl des richtigen Graph-Lernmodells hat einen erheblichen Einfluss auf die Leistung nachgelagerter Aufgaben. Um Anwendern von Graph-Lernen die Möglichkeit zu geben, eine effektive Graph-Lernmodell-Auswahl ohne manuellen Eingriff vorzunehmen, präsentieren wir GLEMOS, einen umfassenden Benchmark für die sofortige Auswahl von Graph-Lernmodellen.
© 2024 by Linnk AI