HeteGCD：异质图广义类别发现新方法
热点事件持续更新
HeteGCD：异质图广义类别发现新方法
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Xuanzhi Xi 等作者提出 HeteGCD，一种面向异质图的统计感知双原型学习方法，用于广义类别发现：在不使用新类监督的情况下，同时利用局部属性差异统计与邻域类别分布。其门控双流编码器融合节点属性与属性差异统计来学习表示，双原型分类器结合特征相似度与分布一致性完成类别发现。 作者称，在五个异质图上，HeteGCD 相较 24 种基线组合取得有竞争力的表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
HeteGCD：面向异质图广义类别发现的统计感知双原型学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIHeteGCD：面向异质图广义类别发现的统计感知双原型学习
HeteGCD 提出一种统计感知的双原型学习方法，用于异质图上的广义类别发现，无需新类监督即可同时利用局部属性差异统计与邻域类别分布。其门控双流编码器融合节点属性与属性差异统计学习表示，双原型分类器结合特征相似度与分布一致性完成类别发现。在五个异质图上，HeteGCD 相较 24 种基线组合取得有竞争力的表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。