动态异构图节点更新模型

训练效率大幅提升

该模型通过引入预学习节点属性向量、LSTM与注意力机制细化特征,以及稀疏矩阵与动态节点更新方案,在保持分类准确率的同时显著提高了训练和图更新效率,能够适应真实网络动态变化。

Xu, Yijia · 方勇 · 黄诚 · Liu, Zhonglin · 曹伟朋

Applied Soft Computing Journal 2024

技术优势

训练更快

通过预学习节点属性训练向量,避免每次从头学习,显著提升训练效率。

新节点好加

引入稀疏矩阵和动态节点更新方案,新增节点时无需重新分配全部嵌入向量,图更新过程更高效。

精度不降

在提高效率的同时,分类准确率与原模型保持相当,不会以精度换速度。

应用场景