BriefGPT - AI 论文速递
·
搜索以微调预训练的图神经网络用于图级任务
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文提出了一种名为G-GNNs的新型模型，通过无监督预训练获取节点的全局结构和属性特征，并利用这些特征和原始网络属性提出了一种GNN的并行框架。该模型在平面图和属性图上进行了实验，并在三个标准评估图上表现出色，特别是在属性图学习方面，G-GNNs在Cora（84.31％）和Pubmed（80.95％）上建立了新的基准记录。
🎯
关键要点
- 提出了一种名为G-GNNs的新型模型。
- 通过无监督预训练获取节点的全局结构和属性特征。
- 利用这些特征和原始网络属性，提出了一种GNN的并行框架。
- 该模型适用于平面图和属性图。
- 在三个标准评估图上进行了广泛实验，表现优异。
- 在属性图学习方面，G-GNNs在Cora上达到84.31%的准确率。
- 在Pubmed上，G-GNNs达到80.95%的准确率，建立了新的基准记录。
➡️
