BriefGPT - AI 论文速递
·
HC-GST: 基于异质性感知的分布一致性图自训练
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的图结构HiGNN，通过研究每个节点在图中的邻居分布来利用异质性中的宝贵语义信息，增强具有相似语义特征的节点之间的连接性。实证评估和与其他方法比较表明，HiGNN在改进图表示方面有效，并通过整合异质性信息提升了现有基于GNN的方法。
🎯
关键要点
-
在异质性情况下，图神经网络（GNNs）表现出次优性能。
-
提出了一种新的图结构HiGNN，通过研究节点在图中的邻居分布来利用异质性中的语义信息。
-
HiGNN增强了具有相似语义特征的节点之间的连接性。
-
通过节点分类任务的实证评估，验证了HiGNN在改进图表示方面的有效性。
-
整合异质性信息显著提升了现有基于GNN的方法。
-
在真实世界数据集中的同质性程度证明了方法的功效。
➡️
