Buchumschlag

Modeling Edge-Specific Node Features through Co-Representation Neural Hypergraph Diffusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Yijia, Worring, Marcel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LatentRAG: Latent Reasoning and Retrieval for Efficient Agentic RAG
von: Zheng, Yijia, et al.
Veröffentlicht: (2026)

Hyperbolic Hypergraph Neural Networks for Multi-Relational Knowledge Hypergraph Representation
von: Li, Mengfan, et al.
Veröffentlicht: (2024)

VL-KGE: Vision-Language Models Meet Knowledge Graph Embeddings
von: Efthymiou, Athanasios, et al.
Veröffentlicht: (2026)

Veli: Unsupervised Method and Unified Benchmark for Low-Cost Air Quality Sensor Correction
von: Dalbah, Yahia, et al.
Veröffentlicht: (2025)

Hypergraph Attacks via Injecting Homogeneous Nodes into Elite Hyperedges
von: He, Meixia, et al.
Veröffentlicht: (2024)

Feature-Centric Unsupervised Node Representation Learning Without Homophily Assumption
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)

A Survey of Large Language Models for Data Challenges in Graphs
von: Li, Mengran, et al.
Veröffentlicht: (2025)

ENADPool: The Edge-Node Attention-based Differentiable Pooling for Graph Neural Networks
von: Zhao, Zhehan, et al.
Veröffentlicht: (2024)

TinyGraph: Joint Feature and Node Condensation for Graph Neural Networks
von: Liu, Yezi, et al.
Veröffentlicht: (2024)

HyperSMOTE: A Hypergraph-based Oversampling Approach for Imbalanced Node Classifications
von: Zhao, Ziming, et al.
Veröffentlicht: (2024)

Implicit Hypergraph Neural Network
von: Choudhuri, Akash, et al.
Veröffentlicht: (2025)

Tackling Over-smoothing on Hypergraphs: A Ricci Flow-guided Neural Diffusion Approach
von: Zhou, Mengyao, et al.
Veröffentlicht: (2026)

Temporally Detailed Hypergraph Neural ODEs for Disease Progression Modeling
von: Xiao, Tingsong, et al.
Veröffentlicht: (2025)

Identifying Information-Transfer Nodes in a Recurrent Neural Network Reveals Dynamic Representations
von: Hintze, Arend, et al.
Veröffentlicht: (2025)

BHyGNN+: Unsupervised Representation Learning for Heterophilic Hypergraphs
von: Ma, Tianyi, et al.
Veröffentlicht: (2026)

The WidthWall: A Strict Expressivity Hierarchy for Hypergraph Neural Networks
von: Jiang, Fengqing, et al.
Veröffentlicht: (2026)

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2026)

Disentangled and Self-Explainable Node Representation Learning
von: Piaggesi, Simone, et al.
Veröffentlicht: (2024)

A Diffusion-Contrastive Graph Neural Network with Virtual Nodes for Wind Nowcasting in Unobserved Regions
von: Shi, Jie, et al.
Veröffentlicht: (2026)

Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction
von: Yu, Leisheng, et al.
Veröffentlicht: (2025)

Resilience Inference for Supply Chains with Hypergraph Neural Network
von: Shen, Zetian, et al.
Veröffentlicht: (2025)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

Multi-View Node Pruning for Accurate Graph Representation
von: Kim, Hanjin, et al.
Veröffentlicht: (2025)

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

Multi-Granular Attention based Heterogeneous Hypergraph Neural Network
von: Jin, Hong, et al.
Veröffentlicht: (2025)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

Bounding the Expected Robustness of Graph Neural Networks Subject to Node Feature Attacks
von: Abbahaddou, Yassine, et al.
Veröffentlicht: (2024)

Controllable Edge-Type-Specific Interpretation in Multi-Relational Graph Neural Networks for Drug Response Prediction
von: Li, Xiaodi, et al.
Veröffentlicht: (2024)

Label Deconvolution for Node Representation Learning on Large-scale Attributed Graphs against Learning Bias
von: Shi, Zhihao, et al.
Veröffentlicht: (2023)

Improving Node Representation by Boosting Target-Aware Contrastive Loss
von: Lin, Ying-Chun, et al.
Veröffentlicht: (2024)

Graph Neural Networks Automated Design and Deployment on Device-Edge Co-Inference Systems
von: Zhou, Ao, et al.
Veröffentlicht: (2024)

Combining Euclidean and Hyperbolic Representations for Node-level Anomaly Detection
von: Mungari, Simone, et al.
Veröffentlicht: (2025)

Fast and Featureless Node Representation Learning with Partial Pairwise Supervision
von: Chakraborty, Sujan, et al.
Veröffentlicht: (2026)

Counterfactual Explanations for Hypergraph Neural Networks
von: Veglianti, Fabiano, et al.
Veröffentlicht: (2026)

On the Utilization of Unique Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

Explaining Graph Neural Networks for Node Similarity on Graphs
von: Daza, Daniel, et al.
Veröffentlicht: (2024)

Parallelizing Node-Level Explainability in Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2026)

EdgeGFL: Rethinking Edge Information in Graph Feature Preference Learning
von: Zhuo, Shengda, et al.
Veröffentlicht: (2025)

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs
von: Guo, Xingzhi, et al.
Veröffentlicht: (2024)

Beyond Parameter Finetuning: Test-Time Representation Refinement for Node Classification
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2026)