.png){kind=icon}
返回
Subgraph-Mamba: Subgraph Mamba model with positional encoding
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109113.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
子图表示学习是图表示学习中的一个关键领域。然而，现有方法在捕捉子图节点间的依赖关系以及处理子图重叠导致的节点特征不准确性方面面临挑战。为解决这些挑战，本文提出了一种名为带位置编码的子图Mamba模型（Subgraph-Mamba）的方法。具体而言，首先，Subgraph-Mamba采用不同权重的图卷积（GDW）来更新全图节点特征，并为子图提取节点特征。其次，Subgraph-Mamba引入了一种名为正弦投影位置编码（SPPE）的新型位置编码方法，用于计算子图的位置编码。然后将该位置编码整合到子图节点特征中，以获得带位置编码的子图节点特征。第三，Subgraph-Mamba提出了多头Mamba模块，用于捕捉带位置编码的子图节点特征间的依赖关系。据我们所知，这是首次将Mamba应用于子图表示学习的论文。最后，Subgraph-Mamba聚合子图节点特征及其依赖关系，形成更优的子图特征表示。在多个数据集上的广泛实验表明，Subgraph-Mamba优于当前最先进的基线方法。源代码可在以下链接找到：https://github.com/denggaoqin/Subgraph-Mamba。
Keyword:
Subgraph representation learning
Mamba model
Graph positional encoding
Graph neural networks
期刊
IF:
6.3
论文数:
8.3K
被引数:
3.0W
机构
引用论文
Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network递归神经网络 (RNN) 和长短期记忆 (LSTM) 网络的基本原理
OAAI
OAAI分享收藏Toward Subgraph-Guided Knowledge Graph Question Generation With Graph Neural Networks用图神经网络实现子图引导的知识图谱问题生成
OAAI
OAAI分享收藏Subgraph-level federated graph neural network for privacy-preserving recommendation with meta-learning用于元学习隐私保护推荐的子图级联合图神经网络.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏What functions can graph neural networks compute on random graphs? The role of positional encoding图神经网络在随机图上可以计算哪些功能？位置编码的作用
IF0
PREAI
分享收藏
查看更多内容