HyperAIHyperAI
il y a 15 jours

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
GIDN : Un réseau de diffusion d'inception graphique léger pour une prédiction de liens haute efficacité
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.

GIDN : Un réseau de diffusion d'inception graphique léger pour une prédiction de liens haute efficacité | Articles de recherche récents | HyperAI