이 연구는 이종 그래프 신경망 (HGNN) 모델의 메타 경로 조합에 대한 민감성을 실증적으로 분석하였습니다. 기존 HGCL 모델들은 특정 메타 경로 조합에 크게 의존하며, 이는 성능 변동성을 초래합니다. 이를 해결하기 위해 LAMP를 제안합니다.
LAMP는 다음과 같은 핵심 특징을 가집니다:
실험 결과, LAMP는 다양한 데이터셋에서 기존 최신 모델들을 뛰어넘는 성능을 보였으며, 메타 경로 조합에 대한 민감성도 크게 개선되었습니다. 이는 LAMP가 이종 그래프 표현 학습에 효과적임을 입증합니다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Siqing Li, J... alle arxiv.org 09-11-2024
https://arxiv.org/pdf/2409.06323.pdfDomande più approfondite