Command Palette
Search for a command to run...
GIDN : Un réseau de diffusion d'inception graphique léger pour une prédiction de liens haute efficacité
GIDN : Un réseau de diffusion d'inception graphique léger pour une prédiction de liens haute efficacité
Zixiao Wang Yuluo Guo Jin Zhao Yu Zhang Hui Yu Xiaofei Liao Biao Wang Ting Yu
Résumé
Dans cet article, nous proposons un modèle appelé Graph Inception Diffusion Networks (GIDN). Ce modèle généralise la diffusion sur graphes dans différents espaces de caractéristiques et utilise le module Inception afin de réduire les calculs intensifs induits par des structures de réseau complexes. Nous évaluons le modèle GIDN sur les jeux de données de l’Open Graph Benchmark (OGB) et obtenons une performance supérieure de 11 % à celle de AGDN sur le jeu de données ogbl-collab.