BriefGPT - AI 论文速递
·
用于子图预测的深度生成模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了subgraph2vec，一种用于学习大型图形中根节点子图潜在表示的新方法。该方法与不同分类器相结合，实现了显著优越的准确度。实验结果显示，subgraph2vec在监督和无监督学习任务中都显著提高了图形核方法的准确性。
🎯
关键要点
- subgraph2vec是一种用于学习大型图形中根节点子图潜在表示的新方法。
- 该方法受到深度学习和图形核方法的最新进展的启发。
- subgraph2vec能够与CNNs、SVMs和关系数据聚类算法等分类器相结合，显著提高准确度。
- 子图向量可用于构建深度学习Weisfeiler-Lehman图形核的变体。
- 实验结果表明，subgraph2vec在监督和无监督学习任务中显著提高了图形核方法的准确性。
🏷️
标签
➡️
