网站介绍：文章浏览阅读2.3k次，点赞7次，收藏14次。文章目录摘要二级目录三级目录论文链接：代码链接：关键词：图结构学习摘要本文提出了一种端到端图学习框架，即迭代深度图学习(IDGL)，用于联合迭代学习图结构和图嵌入。IDGL的关键原理是基于更好的节点嵌入来学习更好的图结构，反之亦然(即基于更好的图结构来学习更好的节点嵌入)。当学习到的图结构足够接近为下游预测任务优化的图时，我们的迭代方法会动态停止。此外，我们将图学习问题作为一个相似度度量学习问题，并利用自适应图正则化来控制学习图的质量。最后，结合锚定逼近技术，我们进一步提出了IDGL的可扩展版本._iterative deep graph learning for graph neural networks: better and robust n
- 链接地址：https://blog.csdn.net/qq_36291847/article/details/116894005
- 链接标题：【论文解读|NeurIPS2020】IDGL - 用于图神经网络的迭代深度图学习:更好和鲁棒的节点嵌入_iterative deep graph learning for graph neural net-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：567
- 网站标签：iterative deep graph learning for graph neural networks: better and robust n
