异质图表示学习与应用

2022-08-19 10:50:44 765 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

告别元路径！用HGT（异质图Transformer）自动学习学术网络中的关键关系本文探讨了异质图Transformer（HGT）如何革新学术网络分析，通过自动学习关键关系替代传统手工设计元路径的方法。HGT结合Transformer架构与异质图特性，实现类型感知的信息传递和动态时间编码，显著提升分析效率和准确性。实验显示HGT在ACM数据集上准确率达78.6%，无需人工干预，为学术网络分析提供了更智能的解决方案。阅读详情

[中]石川（Chuan Shi）王啸（Xiao Wang）[美]俞士纶(Philip S. Yu) 著

机械工业出版社

图书介绍：

全球首本专注于异质图表示学习的书，从理论、算法、应用三个角度立体介绍，三位领域专家多年研究成果总结，可作为相关领域研究的系统性参考，数据挖掘泰斗韩家炜教授作序，方滨兴、刘欢、裴健、唐杰、周靖人联袂推荐！

本书旨在全面回顾异质图表示学习的发展，并介绍其最新研究进展。书中首先从方法和技术两个角度总结了现有的工作，并介绍了该领域的一些公开资源。然后分类详细介绍了最新模型与应用。最后讨论了异质图表示学习未来的研究方向，并总结了本书的内容。全书分为四个部分，第一部分快速介绍整个领域，第二、三部分深入研究相关技术和应用，第四部分介绍异质图神经网络算法平台，并讨论未来研究方向。

可领取数量：2本

购买地址：https://item.jd.com/13329391.html

...全文