论文链接：https://arxiv.org/pdf/2110.07888.pdf

代码链接：https://github.com/RingBDStack/ACE-HGNN

本文提出了一个新的自适应曲率探索双曲图神经网络名为ACE-HGNN。主要贡献如下：

  • 对双曲空间中不同层次结构的HGNN的适应性问题进行观察和分析，将嵌入空间适应性问题转化为双曲空间的最佳曲率探索问题。
  • 我们首次在双曲几何机器学习中引入强化学习。提出了一种新的端到端架构，即自适应曲率探索双曲图神经网络（ACE-HGNN），以指导选择最优的双曲几何空间。
  • 对五个典型真实数据集的广泛实验表明，模型适应性和竞争性能显著且得到改进。我们可视化了ACE-HGNN的结果，直观地展示了我们方法捕获图结构的能力。

内容中包含的图片若涉及版权问题，请及时与我们联系删除