Data Science
Каков хороший подход для объединения текстовых и пространственных признаков для классификации документов?
00
Вопрос или проблема Я работаю над классификатором документов, который может выполнять классификацию на основе структуры документа. Мой план состоит в том, чтобы получить векторное представление слов, а также координаты слов и как-то комбинировать эти
Data Science
Могу ли я использовать GCN для получения структурных вложений узлов без обучения?
00
Вопрос или проблема Теперь я хочу получить структурное представление узлов, используя DeepWalk или Node2Vec, но не удается получить одинаковые векторы, даже если у них одна и та же структура. Затем я использую GCN, который может получить одинаковые векторы без обучения.
Data Science
Являются ли GNN/GCN жизнеспособными для графов без признаков узлов, только с уникальными идентификаторами узлов? Отличаются ли они от DeepWalk в этом случае?
00
Вопрос или проблема Я начал изучать GNN (графовые нейронные сети) впервые и у меня возникли трудности с пониманием их преимуществ по сравнению с методами эмбеддинга, вдохновленными NLP, такими как DeepWalk и node2vec. GNN действительно показывают лучшие
Data Science
Как обрабатывать неим сбалансированные веса ребер в графе для встраивания узлов и предсказания весов ребер?
00
Вопрос или проблема У меня есть неориентированный взвешенный граф, где веса ребер представляют собой вероятности. Большинство весов ребер равны 1 (они встречаются в 7 раз чаще, чем вторая по величине группа весов). Я использую этот граф для обучения векторного
Data Science
Улучшение наборов данных путем добавления новых узлов
00
Вопрос или проблема У меня есть идея по добавлению новых узлов в направленный граф для достижения численно стабильного графа Фурье для анализа сигналов в области графов. Чтобы оценить ее эффективность, я ищу реальные наборы данных, структурированные как
Data Science
Включение структурной информации в трансформер?
03
Вопрос или проблема В задаче нейронного машинного перевода (NMT) мои входные данные содержат реляционную информацию. Эти отношения можно смоделировать с помощью графовой структуры. Один из подходов может заключаться в использовании графовой нейронной