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.
TopoAgent: 멀티모달 과학적 추론을 위한 자기 진화형 위상적 에이전트
SmartRAG: 모바일 기기용 네이티브 그래프 기반 RAG
시간적 지식 그래프 추론에서 효율적 목표 지향 경로 탐험을 위한 도달 가능성 인식 사전학습
Ego Scene Augmentation을 통한 멀티모달 대규모 언어 모델의 자기중심적 공간 인지 강화
DAPGNet: 초분광 이미지 분류를 위한 동적 적응형 물리 유도 그래프 확산 네트워크
MyAG: 구성 가능한 LLM 에이전트 시스템의 설계 및 분석을 위한 그래프 기반 프레임워크
정확하고 데이터 효율적인 회로 성능 예측을 위한 RF 지식 기반 그래프 신경망
부분 관측 구조적 인과 모델
데이터 증강 그래프 정규화를 통한 준지도 학습의 빠른 수렴률
CoDiffGRN: BEELINE-KGC 벤치마크와 공진화 이산 확산을 통한 유전자 조절 네트워크 추론 재고
CDS: 공간 그래프에서의 구조화된 개입을 위한 반사실적 방향성 점수
방향 그래프 흐름으로부터 잠재 복원을 위한 게이지 불변, 매개변수 무감감 정규화
NodeImport: 노드 중요도 평가를 통한 불균형 노드 분류
양자 위상학적 데이터 인코딩
적시 씬 그래프 성장: 장기 로봇 작업에서 지각 포화 극복
네트워크드 인텔리전스: 인간-AI 팀 과학을 위한 능동적 공유 컨텍스트 그래프
경험 메모리 그래프: 에이전트의 원샷 오류 수정
자기 진화 에이전트를 향하여: 유전 네트워크 프로그래밍을 위한 인간 영감 기반 적응형 탐험-활용 프레임워크
MolMiner: 제어 가능하고 3D 인식을 갖춘 프래그먼트 기반 분자 설계
멀티태스크 알고리즘적 추론을 위한 분기 신경망의 효율적 학습
그래프 정규화 PCA
특징 유발 정보 흐름을 통한 시간 그래프 신경망 설명
데이터 과학의 수학
네트워크 정렬을 위한 확장 가능한 최적 운송 알고리즘
극단적 임상 코드 예측을 위한 그래프 제약 정책 학습
동적 그래프의 노드 친화도를 이용한 기관 주식 보유 예측
이미지 시퀀스로부터 엔드투엔드 인지 지도 학습을 위한 미분 가능 클론 구조 인과 그래프
M2I2HA: 모달 내·모달 간 하이퍼그래프 어텐션 기반 다중 모달 객체 검출
TSCA-Net: 해석 가능한 멀티모달 보행자 궤적 예측을 위한 시간-공간 클리크 어텐션
SeamGen: 그래프 플로 매칭을 통한 아티스트 정렬 UV 시임 생성
계절 위성 영상으로부터 낙농장 부지의 약지도 시공간 후보 발견
EvoGraph-R1: 에이전트형 검색을 위한 자기 진화형 다중모달 지식 하이퍼그래프
그래프 피드백이 오픈 가중치 언어 모델 집단에서 합의와 클라이크 형성을 제어한다
기하학적 인과 모델
에르미트 블록 크릴로프 부분공간을 통한 유향 그래프의 고유기저 독립적 학습 가능한 스펙트럴 위치 인코딩
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.