分类: 基础模型 | 梦家博客

加载中...

分类 - 基础模型

2021

NIPS 2017丨寻找图上唯一、稳定、稀疏和快速的特征学习方法

2021-09-30

NIPS 2017丨寻找图上唯一、稳定、稀疏和快速的特征学习方法

ICML 2019丨LDS：面向图神经网络的离散图结构学习

2021-08-17

ICML 2019丨LDS：面向图神经网络的离散图结构学习

NeurIPS 2020 | RWNN：随机游走图神经网络

2021-08-09

NeurIPS 2020 | RWNN：随机游走图神经网络

C&S：标签传播思想与浅层模型相结合性能即可超过图神经网络

2021-03-25

C&S：标签传播思想与浅层模型相结合性能即可超过图神经网络

AGCN：自适应图大小的图卷积网络模型

2021-03-18

AGCN：自适应图大小的图卷积网络模型

graph2vec：图级别的表示学习模型

2021-01-18

graph2vec：图级别的表示学习模型

DAG-GNN：基于图神经网络的有向无环图结构表示学习

2021-01-04

DAG-GNN：基于图神经网络的有向无环图结构表示学习

2020

NIPS 2017 | GraphSAGE：大规模图上的归纳表示学习模型

2020-10-30

NIPS 2017 | GraphSAGE：大规模图上的归纳表示学习模型

【2019/ICLR】Simplifying Graph Convolutional Networks

2020-09-21

【2019/ICLR】Simplifying Graph Convolutional Networks

GAT：图注意力网络

2020-06-11

GAT：图注意力网络

VGAE：图变分自编码器

2020-06-09

VGAE：图变分自编码器

2019

【2019/ICML】Position-aware Graph Neural Networks

2019-10-18

【2019/ICML】Position-aware Graph Neural Networks

DeepGCNs：采用 CNNs 的思路来训练更深 GCNs 模型

2019-07-21

DeepGCNs：采用 CNNs 的思路来训练更深 GCNs 模型

【2019/AAAI】Multi-Stage Self-Supervised Learning for Graph Convolutional Networks

2019-07-20

【2019/AAAI】Multi-Stage Self-Supervised Learning for Graph Convolutional Networks

KDD 2016 | node2vec：可扩展的网络特征学习模型

2019-06-19

KDD 2016 | node2vec：可扩展的网络特征学习模型

【2018/AAAI】Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning

2019-05-20

【2018/AAAI】Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning

【2018/NeurIPS】Structure-Aware Convolutional Neural Networks

2019-03-20

【2018/NeurIPS】Structure-Aware Convolutional Neural Networks

【2015/WWW】LINE：Large-scale Information Network Embedding

2019-03-19

【2015/WWW】LINE：Large-scale Information Network Embedding

本地搜索