标签：图神经网络
KDD2022 | 什么特征进行交互才是有效的？
本文主要针对推荐系统中的特征交互而提出的相关方法。如果将所有可能的特征都进行交互，本文提出HIRS用于直接生成有益特征交互。生成的特征交互的数量可以指...
《因果科学周刊》第4期：因果赋能推荐系统
为了帮助大家更好地了解因果科学的最新科研进展和资讯，推送近期因果科学值得关注的论文和资讯信息。同时我们也将向大家介绍社区正在推进的活动——因果科学与C...
中科院&华为Vision GNN：只使用图神经网络进行视觉任务
目前广泛应用的卷积神经网络和卷积神经转换器将图像视为网格或序列结构。本文提出将图像表示为图（Graph）结构，ViG）体系结构来提取视觉任务的图级（Graph-L...
KDD 2022 | GraphMAE:自监督掩码图自编码器
生成式自监督模型在NLP和CV领域得到广泛应用，不论是节点分类还是图分类任务“生成式自监督的性能都被对比学习甩”要么需要使用负采样、动量更新或指数滑动平均...
AAAI22 | 结构标记和交互建模：用于图分类的“SLIM”网络
今天分享一篇来自香港中文大学查宏远教授团队的一篇发表在AAAI上的论文Structural Landmarking and Interaction Modelling:SLIM”该论文认为之前的图分类任务...
ICML’22 | ProGCL: 重新思考图对比学习中的难样本挖掘
难的负样本（与锚点样本更相似的负样本）可以提高对比学习的表现。作者发现现有的其他领域的难负样本挖掘技术并不能很好地促进图对比学习（参见原文Table 5）...
《强化学习周刊》第51期：PAC、ILQL、RRL&无模型强化学习集成于微电网络格控制：综述与启示
本期周刊整理了强化学习领域相关的最新论文推荐及研究综述，可以扫描文末的二维码加入强化学习社区群。您已经完成《强化学习周刊》订阅啦;
GNN与RL如何结合？KSU大学最新《基于图神经网络的强化学习》综述，阐述RL+GNN算法与应用
图神经网络和强化学习都是机器学习中研究的主流模型，最近来自美国堪萨斯州立大学发布了《基于图神经网络的强化学习》综述，阐述相关算法与应用。深度强化学...
加速经典算法效率，突破现实技术瓶颈：图神经网络与组合优化读书会启动
基于图神经网络的复杂系统优化与控制将会是大模型热潮之后新的未来方向，为了探讨图神经网络在算法神经化求解的发展与现实应用，包括神经算法推理、组合优化...
DGraph: 大规模动态图数据集
旨在服务图神经网络、图挖掘、社交网络、异常检测等方向的研究人员，DGraph 一方面可以作为验证相关图模型性能的标准数据，另一方面也可用于开展用户画像、网...
这是一个专注于人工智能产品的导航站。
