ترجمه فارسی مقاله هنگامی که هتروفیلی با نمودارهای ناهمگن روبرو می شود: نمودارهای نهفته هدایت شده با نمایش نمایش بدون نظارت

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی When Heterophily Meets Heterogeneous Graphs: Latent Graphs Guided Unsupervised Representation Learning
عنوان مقاله به فارسی هنگامی که هتروفیلی با نمودارهای ناهمگن روبرو می شود: نمودارهای نهفته هدایت شده با نمایش نمایش بدون نظارت
نویسندگان Zhixiang Shen, Zhao Kang
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Social and Information Networks,یادگیری ماشین , هوش مصنوعی , شبکه های اجتماعی و اطلاعاتی ,
توضیحات Submitted 1 September, 2024; originally announced September 2024. , Comments: 14 pages
توضیحات به فارسی ارسال 1 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 14 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Unsupervised heterogeneous graph representation learning (UHGRL) has gained increasing attention due to its significance in handling practical graphs without labels. However, heterophily has been largely ignored, despite its ubiquitous presence in real-world heterogeneous graphs. In this paper, we define semantic heterophily and propose an innovative framework called Latent Graphs Guided Unsupervised Representation Learning (LatGRL) to handle this problem. First, we develop a similarity mining method that couples global structures and attributes, enabling the construction of fine-grained homophilic and heterophilic latent graphs to guide the representation learning. Moreover, we propose an adaptive dual-frequency semantic fusion mechanism to address the problem of node-level semantic heterophily. To cope with the massive scale of real-world data, we further design a scalable implementation. Extensive experiments on benchmark datasets validate the effectiveness and efficiency of our proposed framework. The source code and datasets have been made available at https://github.com/zxlearningdeep/LatGRL.

چکیده به فارسی (ترجمه ماشینی)

یادگیری نمودار ناهمگن بدون نظارت (UHGRL) به دلیل اهمیت آن در رسیدگی به نمودارهای عملی بدون برچسب ، توجه فزاینده ای را به خود جلب کرده است.با این حال ، علی رغم حضور همه جا در نمودارهای ناهمگن در دنیای واقعی ، هتروفیلی تا حد زیادی نادیده گرفته شده است.در این مقاله ، ما هتروفیل معنایی را تعریف می کنیم و یک چارچوب نوآورانه به نام نمودارهای نهفته را برای یادگیری بازنمایی بدون نظارت (LATGRL) هدایت می کنیم تا این مشکل را برطرف کنیم.اول ، ما یک روش استخراج شباهت ایجاد می کنیم که ساختارها و ویژگی های جهانی را زوج می کند ، و این امکان را فراهم می کند تا نمودارهای نهفته هموفیلی و هتروفیل ریز دانه ریز دانه را برای هدایت یادگیری بازنمایی فراهم کند.علاوه بر این ، ما یک مکانیسم همجوشی معنایی با فرکانس دوتایی تطبیقی ​​را برای رفع مشکل ناهمگن معنایی در سطح گره پیشنهاد می کنیم.برای مقابله با مقیاس گسترده داده های دنیای واقعی ، ما یک اجرای مقیاس پذیر را بیشتر طراحی می کنیم.آزمایش های گسترده در مجموعه داده های معیار ، اثربخشی و کارآیی چارچوب پیشنهادی ما را تأیید می کند.کد منبع و مجموعه داده ها در https://github.com/zxlearningdeep/latgrl در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.