HyperAIHyperAI
vor 11 Tagen

GIDN: Ein leichtgewichtiger Graph-Inception-Diffusionsnetzwerk für eine hoch-effiziente Link-Vorhersage

Zixiao Wang, Yuluo Guo, Jin Zhao, Yu Zhang, Hui Yu, Xiaofei Liao, Biao Wang, Ting Yu
GIDN: Ein leichtgewichtiger Graph-Inception-Diffusionsnetzwerk für eine hoch-effiziente Link-Vorhersage
Abstract

In diesem Paper stellen wir ein Graph Inception Diffusion Networks (GIDN)-Modell vor. Dieses Modell verallgemeinert die Graph-Diffusion in verschiedenen Merkmalsräumen und nutzt das Inception-Modul, um die durch komplexe Netzwerkstrukturen verursachten hohen Rechenkosten zu vermeiden. Wir evaluieren das GIDN-Modell auf den Open Graph Benchmark (OGB)-Datensätzen und erreichen eine um 11 % höhere Leistung als AGDN auf dem ogbl-collab-Datensatz.

GIDN: Ein leichtgewichtiger Graph-Inception-Diffusionsnetzwerk für eine hoch-effiziente Link-Vorhersage | Neueste Forschungsarbeiten | HyperAI