그래프 생성

Войти

비유클리드 기하학 기반 잠재 확산 모델을 이용한 그래프 생성

비유클리드 기하학 기반의 잠재 확산 모델을 제안하여 그래프의 구조적 정보를 효과적으로 보존하고 다양한 토폴로지의 그래프를 생성할 수 있다.

효율적이고 확장 가능한 반복적 국소 확장을 통한 그래프 생성

제안된 방법은 단일 노드에서 시작하여 단계적으로 그래프를 확장하는 방식으로 효율적이고 확장 가능한 그래프 생성을 달성합니다. 각 단계에서 지역적 방식으로 노드와 간선을 추가하여 먼저 전체적인 구조를 구축하고 이후 세부 사항을 정제합니다. 이를 통해 모든 노드 쌍에 대한 전체 결합 분포를 모델링할 필요가 없어 계산 복잡도를 크게 줄일 수 있습니다.

실제 데이터와 유사한 다양한 그래프 샘플 생성하기: SteinGen

SteinGen은 단일 관찰 그래프로부터 원본 데이터의 특성을 잘 보존하면서도 다양한 그래프 샘플을 생성할 수 있는 새로운 방법론이다.

그래프 생성을 위한 간단하고 확장 가능한 표현 방법

그래프 생성을 위한 새로운 표현 방법인 GEEL을 소개한다. GEEL은 엣지 리스트 기반으로 작은 표현 크기를 가지며, 갭 인코딩과 대역폭 제한 기법을 통해 큰 어휘 크기를 줄인다. 이를 통해 확장성과 성능을 향상시킨다.

대규모 언어 모델의 그래프 생성 능력 탐구

대규모 언어 모델(LLM)이 그래프 생성 작업에서 보여주는 잠재적 능력을 체계적으로 탐구하였다. 규칙 기반, 분포 기반, 속성 기반 그래프 생성 작업을 통해 LLM의 그래프 구조 이해, 구조 분포 학습, 도메인 지식 활용 능력을 평가하였다.

GraphRCG: Self-conditioned Graph Generation via Bootstrapped Representations

그래프 생성에 대한 새로운 방법론인 자기 조건부 그래프 생성 프레임워크를 제안하고, 그래프 분포를 캡처하고 활용하는 중요성을 강조합니다.

О нас

Продукты | Ресурсы

Идеи