CONTENT SIGNAL

#图神经网络

聚合与「图神经网络」相关的文章、观点与实践记录。

INDEXED4ARTICLES

SNI-GNN：利用智能网卡网内预测打破全图GNN训练通信瓶颈

研究人员提出了一种名为SNI-GNN的全新全图GNN训练系统，通过在智能网卡（SmartNIC）上实现网内嵌入预测，大幅降低分布式集群的通信开销，提升最高3.6倍训练速度。

探讨最新提出的多语义基图基础模型（MSB-GFM），该模型打破传统单向量表示限制，通过自适应组合语义基与双通道架构，有效解决多标签节点的跨域知识迁移与语义纠缠挑战。

本文介绍了一项最新的AI医疗研究：MiGHT-EHR，这是一种基于多任务图Transformer的模型，专门用于处理异构时序电子病历数据，大幅提升了患者死亡率和再入院预测的准确度。

科研人员提出了一种名为 LUCID 的无监督社区发现方法。该方法结合了大语言模型（LLM）的推理能力与符号化结构过程，无需训练即可实现高可解释性与业界领先的图结构划分性能。