MAPress
مقاله BHGNN-RT: تعبیه شبکه برای نمودارهای ناهمگن جهت دار

مقاله BHGNN-RT: تعبیه شبکه برای نمودارهای ناهمگن جهت دار

تگ‌ها: Machine Learning فراگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی BHGNN-RT: Network embedding for directed heterogeneous graphs
عنوان مقاله به فارسی مقاله BHGNN-RT: تعبیه شبکه برای نمودارهای ناهمگن جهت دار
نویسندگان Xiyang Sun, Fumiyasu Komaki
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 25
دسته بندی موضوعات Machine Learning,فراگیری ماشین,
توضیحات Submitted 24 November, 2023; originally announced November 2023.
توضیحات به فارسی ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد.

چکیده

Networks are one of the most valuable data structures for modeling problems in the real world. However, the most recent node embedding strategies have focused on undirected graphs, with limited attention to directed graphs, especially directed heterogeneous graphs. In this study, we first investigated the network properties of directed heterogeneous graphs. Based on network analysis, we proposed an embedding method, a bidirectional heterogeneous graph neural network with random teleport (BHGNN-RT), for directed heterogeneous graphs, that leverages bidirectional message-passing process and network heterogeneity. With the optimization of teleport proportion, BHGNN-RT is beneficial to overcome the over-smoothing problem. Extensive experiments on various datasets were conducted to verify the efficacy and efficiency of BHGNN-RT. Furthermore, we investigated the effects of message components, model layer, and teleport proportion on model performance. The performance comparison with all other baselines illustrates that BHGNN-RT achieves state-of-the-art performance, outperforming the benchmark methods in both node classification and unsupervised clustering tasks.

چکیده به فارسی (ترجمه ماشینی)

شبکه ها یکی از با ارزش ترین ساختار داده برای مدل سازی مشکلات در دنیای واقعی هستند.با این حال ، جدیدترین استراتژی های تعبیه شده گره بر روی نمودارهای غیر مستقیم متمرکز شده است ، با توجه محدود به نمودارهای کارگردانی ، به ویژه نمودارهای ناهمگن کارگردانی.در این مطالعه ، ما ابتدا خصوصیات شبکه نمودارهای ناهمگن کارگردانی را بررسی کردیم.بر اساس تجزیه و تحلیل شبکه ، ما یک روش تعبیه شده ، یک شبکه عصبی نمودار ناهمگن دو طرفه با Teleport تصادفی (BHGNN-RT) ، برای نمودارهای ناهمگن کارگردانی ، پیشنهاد کردیم که از روند گذر پیام دو طرفه و ناهمگونی شبکه استفاده می کند.با بهینه سازی نسبت teleport ، Bhgnn-RT برای غلبه بر مشکل بیش از حد صاف مفید است.آزمایش های گسترده در مجموعه داده های مختلف برای تأیید اثربخشی و کارآیی BHGNN-RT انجام شد.علاوه بر این ، ما اثرات اجزای پیام ، لایه مدل و نسبت Teleport را بر عملکرد مدل بررسی کردیم.مقایسه عملکرد با تمام خطوط دیگر نشان می دهد که BHGNN-RT به عملکرد پیشرفته می رسد و از روشهای معیار در هر دو طبقه بندی گره و کارهای خوشه بندی بدون نظارت استفاده می کند.

📚 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.