
今天给大家介绍一篇来自IBM的研究团队刚被kdd22接收的一篇文章《Edge-augmented Graph Transformers: Global Self-attention is Enough for Graphs》。该论文采用边信息增强的图Transformer,在聚合更新节点信息的同时更新边上信息。同时,该方法采用了一种广义的基于SVD的图位置编码方法,可以充分捕捉图的结构信息。经过实验验证,该方法在多个基准实验集上取得最优。

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

今天给大家介绍一篇来自IBM的研究团队刚被kdd22接收的一篇文章《Edge-augmented Graph Transformers: Global Self-attention is Enough for Graphs》。该论文采用边信息增强的图Transformer,在聚合更新节点信息的同时更新边上信息。同时,该方法采用了一种广义的基于SVD的图位置编码方法,可以充分捕捉图的结构信息。经过实验验证,该方法在多个基准实验集上取得最优。

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
沙发等你来抢
评论
沙发等你来抢