异质图相关论文
图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图......
互联网的迅猛发展产生了大量文本形式的数据,如网页,新闻,论文,邮件,用户评论等。通过挖掘数据隐含的特征,自动对这些数据进行分类......
图作为一种通过边连接的关系型数据结构,可以有效对现实生活中大量复杂数据进行建模,在社交网络、生物医学和知识图表等领域有着重......
日常生活中的信息多以文档的形式呈现,挖掘文档中实体对之间的关系更具有实际意义。但是现有的关系抽取方法大多是句子级别的,难以......
机器阅读理解是自然语言处理领域中的重要研究方向,是实现人工智能必须的基础理论和奠基任务,在现实生活中具有广阔的实际应用需求......
近年来,图神经网络（Graph Neural Network,GNN）相关研究领域逐渐火热,与深度学习的结合为可推理性、可解释性和模型效果带来了巨大提......
案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题,提出了一种基于图注意......
文档级别情感分类旨在预测用户对评论文本的情感极性标签.最近研究发现,利用用户和产品信息能有效地提升情感分类性能,然而,现有大......
现有的基于元路径的异质图嵌入模型通常假设给定的元路径是相互独立的,这种分别为每个元路径生成节点嵌入后再融合的方式只关注了......
针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高......
网络话题充满噪声,用户在浏览网络的过程中,逐步添加关联性高的网页到话题中,并从话题中删除关联性低的网页,从而形成纯净话题,这......
节点异质图常作为复杂网络的数据模型,同构子图搜索是异质图挖掘过程中的重要问题,但现有算法的子图去重步骤降低了搜索效率。为此......
随着互联网的迅速发展,每天都有海量的数据产生,因此如何组织这些数据就成了一个非常关键的问题。事实上,生活中的大部分数据都可......
文本距离计算作为自然语言处理中一项基础且重要的工作,一直是该领域研究的热点之一,在信息查询、文档分类、自动问答系统等任务中......
