ترجمه فارسی مقاله ادغام نمودار سلسله مراتبی بر اساس حداقل طول توضیحات

چکیده

Graph pooling is an essential part of deep graph representation learning. We introduce MapEqPool, a principled pooling operator that takes the inherent hierarchical structure of real-world graphs into account. MapEqPool builds on the map equation, an information-theoretic objective function for community detection based on the minimum description length principle which naturally implements Occam’s razor and balances between model complexity and fit. We demonstrate MapEqPool’s competitive performance with an empirical comparison against various baselines across standard graph classification datasets.

چکیده به فارسی (ترجمه ماشینی)

جمع آوری نمودار بخش اساسی یادگیری نمایش نمودار عمیق است.ما Mapeqpool ، یک اپراتور تلفیقی اصولی را معرفی می کنیم که ساختار سلسله مراتبی ذاتی نمودارهای دنیای واقعی را در نظر می گیرد.Mapeqpool بر روی معادله MAP ساخته شده است ، یک عملکرد هدف نظری اطلاعاتی برای تشخیص جامعه بر اساس حداقل اصل طول توضیحات که به طور طبیعی تیغ و تعادل بین پیچیدگی مدل و تناسب را پیاده سازی می کند.ما عملکرد رقابتی Mapeqpool را با یک مقایسه تجربی در برابر خطوط مختلف در سراسر مجموعه داده های طبقه بندی نمودار استاندارد نشان می دهیم.