強化學習優化的圖神經網路

研究工作1：

研究工作2：

研究工作3：






研究工作4：


研究工作5：

Towards a Multi-view Attentive Matching for Personalized Expert Finding

社群問答：為新問題推薦專家發現問題
給定一個目標問題，給其推薦專家回答

背景

現有方法的不足

相關工作

提出的模型

損失函式：

Generalizing GNNs on Out-of-Distribution Graphs

圖神經網路的分佈外泛化研究

● Background and Motivation

● Node classification: Debiased GNN

實驗結果：

● Graph classification: Stable GNN

實驗結果：

● Conclusion and Future Work

Graph Neural Networks Beyond CompromiseBetween Attribute and Topology

圖神經網路拓撲與屬性關係研究

屬性資訊與拓撲資訊可能會相互干擾


屬性資訊與拓撲資訊可能具有一致性，造成資訊冗餘：新增互斥項



實驗結果：


總結：

參考資料：
CAAI2022 | 5月14-15日天津大學第一屆生物神經智慧—神經網路與圖神經網路研討會