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......
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......
