成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
网络表示学习
关注
100
基于网络的表示学习研究旨在探索能够更好地研究分析复杂信息网络中的节点间的联系, 寻找解决信息网络背景下的各种实际问题的普适方法, 有效融合网络结构与节点外部信息, 形成更具区分性的网络表示. 近年来, 网络表示学习问题吸引了大量的研究者的目光, 相关的论文工作也层出不穷。
综合
百科
荟萃
VIP
热门
动态
论文
精华
【CVPR2023】DiffCollage:用扩散模型并行生成大量内容
专知
1+阅读 · 2023年4月4日
ICML 2022 | 图神经网络的局部增强
PaperWeekly
3+阅读 · 2022年8月4日
【CVPR2022】基于节点-邻域互信息最大化的图中节点表示学习
图与推荐
5+阅读 · 2022年3月30日
【CVPR2022】基于节点-邻域互信息最大化的图中节点表示学习
专知
0+阅读 · 2022年3月29日
论文浅尝 | 采用成对编码的图卷积网络用于知识图谱补全
开放知识图谱
6+阅读 · 2022年3月13日
论文浅尝 | KGQR: 用于交互式推荐的知识图谱增强Q-learning框架
开放知识图谱
2+阅读 · 2022年2月13日
图神经网络遇到OOD的泛化性咋样?
图与推荐
0+阅读 · 2021年12月9日
北京邮电大学GAMMA Lab：图神经网络在分布外图上的泛化
PaperWeekly
0+阅读 · 2021年12月8日
最新综述！基于图神经网络的关系抽取技术进展
图与推荐
1+阅读 · 2021年12月7日
最新综述！基于图神经网络的关系抽取技术进展
PaperWeekly
2+阅读 · 2021年12月5日
【WSDM2022】具有分层注意力的表示学习
图与推荐
1+阅读 · 2021年11月17日
【WSDM2022】具有分层注意力的图嵌入
专知
0+阅读 · 2021年11月17日
35页最新《图表示学习》综述：预处理，特征提取与节点嵌入
图与推荐
2+阅读 · 2021年10月19日
综述 | 基于GNN的异常检测
图与推荐
1+阅读 · 2021年9月27日
参考链接
父主题
语言表示
子主题
图注意力网络
图卷积网络
DeepWalk
提示
微信扫码
咨询专知VIP会员与技术项目合作
（加微信请备注: "专知"）
微信扫码咨询专知VIP会员
Top
微信扫码咨询专知VIP会员