BriefGPT - AI 论文速递
·
通过多跳特征质量评估实现抗噪无监督图表示学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了EAGLE边缘表示学习方法，通过因式特征传播方案提高了边缘表示的准确性和计算效率。实验证明，EAGLE模型在半监督边缘分类任务中有效，准确率和曲线下面积分别提高了最多38.11%和1.86%。
🎯
关键要点
- 本文介绍了一种名为EAGLE的方法，旨在提高边缘表示学习的准确性和计算效率。
- EAGLE方法针对边缘属性二部图中的边缘分析任务，通过因式特征传播方案进行改进。
- 该方法充分考虑了来自U和V两个异构节点集的影响。
- 实验结果表明，EAGLE模型在半监督边缘分类任务中有效。
- 与最佳基准模型相比，EAGLE模型在平均准确率方面提高了最多38.11%，在曲线下面积方面提高了1.86%。
➡️
