Graph Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 2
- 평가표
- 1
- 보존된 평가 기록
- 1
Graph learning is a branch of machine learning that focuses on the analysis and interpretation of data represented in graph form. In this context, a graph is a collection of nodes (or vertices) and edges, where nodes represent entities and edges represent the relationships or interactions between these entities. This structure is particularly useful for modeling complex networks found in various domains such as social networks, biological networks, and communication networks.
Graph learning leverages the relationships and structures within the graph to learn and make predictions. It includes techniques like graph neural networks (GNNs), which extend the concept of neural networks to handle graph-structured data. These models are adept at capturing the dependencies and influence of connected nodes, leading to more accurate predictions in scenarios where relationships play a key role.
Key applications of graph learning include recommender systems, drug discovery, social network analysis, and fraud detection. By utilizing the inherent structure of graph data, graph learning algorithms can uncover deep insights and patterns that are not apparent with traditional machine learning approaches.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
공간 및 네트워크 객체를 활용한 덧셈 비모수적 회귀
조건부 공분산 순서화를 통한 함수적 인과 발견
LEGO: 법률 추론을 위한 Expert GraphRAG와 Expert Chain-of-Thought의 시너지
ContraVis: 법률 계약서 내 모순 검토를 위한 증거 기반 시각적 분석
경로가 중요하다: KGQA에서 답변 정확도를 넘어선 소규모 언어 모델 평가
LabourCrew: 노동법에 대한 신뢰 가능한 적대적 심의 및 법령 추론을 위한 멀티 에이전트 RAG 프레임워크
그래프 생성을 위한 변분 베이지안 플로우 네트워크
최대 독립 집합을 위한 Dual-GNN 다중 수준 조 정
학습된 GNN에서의 지역적 증거 및 기하학적 리드아웃 복구
저항 곡률 기반 확장 가능한 서브그래프 샘플링
희소 데이터를 위한 스펙트럴 연결성 사전분포 그래프 학습
실패로부터의 학습: 소형 언어 모델 도구 사용 에이전트를 위한 이종 그래프 메모리
GaussPDE: 3D 가우시안 스플래팅을 위한 그래프 기반 편미분 방정식 기반 렌더링
네트워크 트래픽 Natural Visibility Graph 표현에서 사이버 공격 클래스의 위상학적 시그니처
XLOG: 신경기호 통합을 위한 CUDA 네이티브 엔진
Kairos: 4D 씬 그래프에서 존재와 방향 흐름의 그라운딩 예측
엣지 프라이버시 그래프 생성기의 실증적 감사
$\beta$-통합 지역 깊이와 적응형 그룹화를 통한 자동 깊이 기반 로컬 중심 클러스터링
피드백 기반 단어 추론을 위한 그래프 기반 추론: 조토(Jotto) 문제를 위한 확장 가능한 프레임워크
발화에서 네트워크로: 서브레딧 간 슬랭 채택 및 확산 모델링
학술 출판 네트워크에 대한 시맨틱 접근법: OpenAlex 데이터 기반 문서 벡터 표현 및 하이브리드 구조적-시맨틱 융합
질문으로 나누고 에이전트로 정복하다: 질문 주도형 그래프 분할을 적용한 SPLIT-RAG
BridgeShield: 크로스체인 브릿지 공격 탐지를 위한 위험 인식 그래프 모델링
분포 변화 하에서 신뢰할 수 있는 장기 에이전트 컨텍스트 진화를 위한 범위 한정 검증
지식 컴파일을 통한 시각적 그래프 추론
Jev-Mem: 효율적인 AI 에이전트를 위한 System-One 제어 에이전트 메모리
적절성을 가정하지 않고 검증하기: 창발적 네트워크 구조에 대한 생성적 사회 시뮬레이터 보정
LADDER: 효율적 다중 홉 추론을 위한 그래프 가이드 확산 언어 모델
퓨샷 예시는 대규모 언어 모델(LLM)의 문맥 내 세계 표현 활용을 유도한다
Tactile-JEPA: 분산 촉각 센서를 위한 위상 인식 자기지도 표현 학습
GRUET: 에이전트적 추론-행동 프로세스의 불확실성 정량화
3D 장면 그래프에서 의미적 불확실성의 계층적 집약
교차 도메인 퓨샷 분류를 위한 학습이 필요 없는 스펙트럴 트랜스덕티브 정제
PRISM-RAG: 담배 제품 및 입법 정책 추론을 위한 멀티모달 하이퍼그래프 검색-증강 생성
자율 주행을 위한 관계적으로 그라운딩된 잠재 세계 모델
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.