.png){kind=icon}
返回
Content Augmented Graph Neural Networks
.png){kind=icon}
OA
AI
DOI：10.1145/3700790.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，图神经网络（GNNs）已成为解决图上各种问题的流行工具。在这些模型中，通常利用图的链接结构，并根据相邻节点迭代更新节点的嵌入。节点的内容仅以特征向量的形式使用，作为节点的第一层嵌入。然而，在迭代/层中应用于这些初始嵌入的滤波器或卷积，导致其影响减弱，并对最终嵌入的贡献微不足道。为解决此问题，本文提出在更高的GNN层中，通过从节点内容生成的嵌入来增强节点的嵌入。更具体地说，我们提出了模型，其中为每个节点计算一个使用GNN的结构嵌入和一个内容嵌入。这两者通过组合层结合，形成给定层中节点的嵌入。我们建议使用自动编码器或构建内容图等方法来生成内容嵌入。最终，通过在多个真实数据集上进行实验，我们证明了我们模型的高精度和性能。
期刊
IF:
4.1
论文数:
65
被引数:
850
机构
暂无机构信息
引用论文
Ramit Sawhney, Shivam Agarwal, Arnav Wadhwa, and Rajiv Ratn Shah. 2020. Deep attentive learning for stock movement prediction from social media text and company correlations. In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP’20), Bonnie Webber, Trevor Cohn, Yulan He, and Yang Liu (Eds.). Association for Computational Linguistics, Online, 8415–8426. DOI:Ramit Sawhney, Shivam Agarwal, Arnav Wadhwa, and Rajiv Ratn Shah. 2020. 基于社交媒体文本和公司关联性的股票走势预测的深度注意力学习。载于《自然语言处理经验方法会议论文集》(EMNLP’20)，Bonnie Webber, Trevor Cohn, Yulan He, and Yang Liu 主编。计算语言学协会，线上，8415–8426。DOI:.png)
IF0
PREAI
分享收藏Temporal graph learning for dynamic link prediction with text in online social networks在线社交网络中文本动态链接预测的时态图学习MACHINE LEARNINGOAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏node2vec节点2vecProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏DeepWalk深度行走Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningOAAI
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏
查看更多内容