ICLR2023 图神经网络论文合集

原创

于 2023-04-26 17:03:40 发布 · 633 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#图神经网络 #GNN #ICLR #ICLR2023 #学术论文

ICLR是深度学习领域的顶级会议，今年收录的论文中，图神经网络成为热点。文章列举了十篇最受欢迎的图神经网络主题论文，涉及链接预测、大规模文本图学习、分子属性预测等，展示了最新的研究进展和技术趋势。

国际表征学习大会（International Conference on Learning Representations，简称 ICLR）是深度学习领域的顶级会议，关注有关深度学习各个方面的前沿研究，在人工智能、统计和数据科学领域以及机器视觉、语音识别、文本理解等重要应用领域中发布了众多极其有影响力的论文。

AMiner通过AI技术，对 ICLR2023 收录的会议论文进行了分类整理，今日分享的是图神经网络主题论文，共66篇，我们在这里展示十篇最受欢迎的论文，欢迎下载收藏！

1. Graph Neural Networks for Link Prediction with Subgraph Sketching 论文详情页
作者：Benjamin Paul Chamberlain,Sergey Shirobokov,Emanuele Rossi,Fabrizio Frasca,Thomas Markovich,Nils Hammerla,Michael M. Bronstein,Max Hansmire
AI综述（大模型驱动）：许多图生成网络(GNNs)在Link预测(LP)任务中表现不佳。这主要是由于无法区分具有相同的结构角色的梯度,以及由于它们不能区分自旋和自旋节点。两种表达能力问题可以通过学习桥梁(而不是节点)表示来消除,并结合结构特征,如三叉数。最近的工作侧重于基于子段的方法,这些方法在LP中取得了最先进的性能,但由于子段之间的冗余率很高,会导致效率低下。我们分析了基于子句的桥梁方法的组成部分。
论文链接：https://www.aminer.cn/pub/633a52a290e50fcafd68917d/

2. Learning on Large-scale Text-attributed Graphs via Variational Inference