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.
CASC: 다변량 시공간 데이터를 위한 인과적 적대적 부분공간 클러스터링
GNN의 정확한 Aumann-Shapley 어트리뷰션을 위한 다항식 아키텍처-어트리뷰션 공동 설계 프레임워크
Risk Graph Neural Network를 통한 인구통계 정보 기반 온열-사망 위험 곡선
부분 그래프 필터 학습: 대수와 성능 위험 상한
순환 펩타이드 앙상블에 대한 그래프 학습: 분자 앙상블 모델링 연구
확장 Flow Map
반지도 텍스트 속성 그래프 증류
제약 다중 소스 추론을 통한 배전 시스템의 확장 가능한 토폴로지 추론
하이퍼그래프 기반 RAG 최적화: 향상된 사실 추출 및 청크 검색
AI 지식 시스템에서의 개체 중요도 표현: 청중 평가와 구조적 권위의 이중 신호 프레임워크
SafeStep: 노쇠 또는 치매를 앓은 고령자를 위한 AI 기반 이동 보조
그래뉼러 볼을 통한 시너지적 엣지 효과 기반의 충실한 그래프 설명
개연성과 허용 가능성 사이의 격차를 메우기: 동적 그래프 시스템을 위한 제약 인식 Flow Map
Explainable graph attention network for stress recognition (StressGAT) via differential action units
학습 기반 재봉 패턴 솔기 대응 재구성
T-STAR: 위성 영상 시공간 팬옵틱 장면 그래프 생성 대규모 벤치마크
HyGRL: 다중 개체 질문을 위한 적응형 하이브리드 그래프 추론
메모리 기반 조율: 동적 제조 환경에서 다중 에이전트 적응을 위한 그래프 구조 경험 재사용
CLARK: 지식 그래프에 대한 적응형 추론을 위한 폐루프 학습
객체 변환의 효율적 추적 및 이해
WASABI: 프레임 간 추적 기반 차선 토폴로지 전 그래프 할당 안정화
능동 추론을 통한 사회적 현실 구성: 순응과 창의성의 변증법적 관계 모델링
다층 금융 네트워크에서의 해석 가능한 역할 기반 클러스터링 실용 가이드
MxGPS: 전력망 파운데이션 모델을 위한 멀티플렉스 그래프 트랜스포머
위치-척도 노이즈 모델에서 비대칭성에 강건한 인과 발견
UniSAGE: Hyper-Structure를 통한 정적·동적 속성 통합
CoEvoT: 그래프-LLM 추론을 위한 공진화 사고의 연쇄 프롬프팅
시간 그래프 학습 모델은 무엇을 학습하는가?
DualHNIE: 이종 지식 그래프에서 노드 중요도 추정을 위한 이중 채널 하이퍼그래프 학습
엣지 특징 Graph Isomorphism Network를 이용한 NR-V2X 차량 통신의 저지연 릴레이 선택
LATTICE: 다중모달 공간 오믹스 통합을 위한 그래프 자기지도 학습
Grad2Fair: 인구통계 정보 없이 그래프 공정성을 달성하는 그래디언트 기반 접근법
GAttNHP: 시간 지식 그래프에서 외삽 추론을 위한 그룹 어텐션 신경 호크스 프로세스
Metropolis-Hastings 확산 거리를 통한 공간적 군집 측정
HG-RAG: 구조화된 지식 그래프를 위한 계층 유도 검색-증강 생성
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.