AMiner论文推荐——Convolutional Graph-Tensor Net for Graph Data Completion

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

IJCAI 2021 论文推荐

Convolutional Graph-Tensor Net for Graph Data Completion

论文链接：https://www.aminer.cn/pub/60475e2491e0116b67c791bf/?conf=ijcai2021

推荐理由： 图形数据完成是一个的重要问题，因为现实数据一般都具有图形结构，例如社交网络、推荐系统和物联网等。作者假定一个图中每个节点都有一个数据矩阵，通过堆叠第三维的数据矩阵表示为一个图向量。在本文中，作者提出了Convolutional Graph-Tensor Net来解决图的数据完成问题，使用深度神经网络来学习图张量的一般变换。在ego-Facebook数据集上的实验结果表明，与现有算法相比，Conv GT-Net在完成精度（高出50％）和完成速度（快3.6倍）上都有明显的改进。<