面向大規(guī)模數(shù)據(jù)的高效超圖神經(jīng)網(wǎng)絡

摘要： 高階關(guān)聯(lián)廣泛存在于現(xiàn)實世界中,如社交網(wǎng)絡、生物網(wǎng)絡、交通網(wǎng)絡等,建模及優(yōu)化高階關(guān)聯(lián)對于網(wǎng)絡屬性研究和演化趨勢預測具有重要意義.超圖是一種靈活的數(shù)據(jù)結(jié)構(gòu),能夠自然地建模高階關(guān)聯(lián).近年來,隨著深度學習的發(fā)展,基于超圖建模的超圖神經(jīng)網(wǎng)絡被廣泛應用于面向高階關(guān)聯(lián)的表示學習.然而,現(xiàn)有的超圖神經(jīng)網(wǎng)絡均基于直推學習范式,雖然在小規(guī)模超圖數(shù)據(jù)集上取得了不錯的效果,但難以應用到大規(guī)模數(shù)據(jù)上,限... （共19頁）