ICLR2021-2：ARE GRAPH CONVOLUTIONAL NETWORKS FULLY EXPLOITING THE GRAPH STRUCTURE

时间 2021-04-05

标签 GNN Model 图神经网络繁體版

原文原文链接

第二篇盲审的论文，这篇可能相比别的中的希望不是很大？哈哈哈，我猜的啦。为了利用远距离的依赖信息，本文采取了四种不同的图结构信息注入的方式，并利用它们来分析长期依赖关系的重要性。提出了一种新的正则化技术，基于带重新启动的随机游走方法，称为RWRReg，它鼓励网络将远程信息编码为节点嵌入。长期结构信息的缺乏极大地影响了最新模型的性能，而RWRReg利用的长期信息使所有考虑的任务的平均精度提高了5%以

>>阅读原文<<

1. Theano Graph Structure
2. Emotion Recognition Using Graph Convolutional Networks
3. GCT: Graph Convolutional Tracking
4. Graph Convolutional Matrix Completion
5. [Paper Reading]--Exploiting Relevance Feedback in Knowledge Graph
6. MuchGCN：Multi-Channel Graph Convolutional Networks
7. Modification of Graph Convolutional Networks in PyTorch
8. Graph Convolutional Policy Network for Goal-Directed Molecular Graph Generation
9. Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification
10. Learning about Graph Network
更多相关文章...
• Git 标签 - Git 教程
• Git 查看提交历史 - Git 教程
• Java 8 Stream 教程
• Kotlin学习（二）基本类型