BriefGPT - AI 论文速递
·
通过注入上下文化的子结构信息来提升 K - 跳消息传递 GNNs 的表现力
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新颖的边缘级自我网络编码，提升了消息传递图神经网络的能力。该编码在实证评估中与基准线相匹配或有所提高，在表现力、图形分类、图形回归和接近性任务方面表现出色，并减少了内存使用。
🎯
关键要点
- 提出了一种新颖的边缘级自我网络编码，提升消息传递图神经网络的能力。
- 该编码在理论上比基于节点的子图 MP-GNNs 更具表现力。
- 在四个基准测试和10个图形数据集的实证评估中，结果与之前的基准线相匹配或有所提高。
- 在表现力、图形分类、图形回归和接近性任务方面表现出色。
- 在某些实际环境中减少了18.1倍的内存使用。
➡️
