BriefGPT - AI 论文速递
·
通过模糊图注意网络和动态负采样增强链接预测
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种模糊图注意网络（FGAT），旨在解决传统图神经网络在链接预测中负采样效果不佳的问题。FGAT结合模糊粗集进行动态负采样和节点特征聚合，显著提高了训练效率和预测准确性。实验结果表明，其在研究合作网络中的链接预测精度优于现有方法。
🎯
关键要点
- 本研究提出了一种模糊图注意网络（FGAT）。
- FGAT旨在解决传统图神经网络在链接预测中负采样效果不佳的问题。
- FGAT结合模糊粗集进行动态负采样和节点特征聚合。
- FGAT显著提高了训练效率和预测准确性。
- 实验结果表明，FGAT在研究合作网络中的链接预测精度优于现有方法。
➡️
