精细化交互：通过语言语义增强图神经网络中的各向异性

本研究解决了现有图神经网络在处理图结构和文本信息时的有效性不足问题。提出的LanSAGNN框架将各向异性的概念扩展到自然语言层面，以此从大语言模型中提取定制的语义信息，显著提高节点关系的交互捕捉能力。实验结果表明，LanSAGNN在保持复杂度不变的情况下，显著增强了基于大语言模型的方法，并显示出对干扰的强大鲁棒性。

本研究提出了LanSAGNN框架，旨在提升图神经网络在处理图结构和文本信息时的有效性，显著增强节点关系的交互捕捉能力，实验结果表明其具有较强的鲁棒性。

LanSAGNN 图神经网络 文本信息 神经网络 节点关系 鲁棒性
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友