Copertina

Rethinking Node Representation Interpretation through Relation Coherence

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lin, Ying-Chun, Neville, Jennifer, Becker, Cassiano, Metha, Purvanshi, Asghar, Nabiha, Agarwal, Vipul
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

Node Similarities under Random Projections: Limits and Pathological Cases
di: Tadić, Tvrtko, et al.
Pubblicazione: (2024)

Interpretable Tensor Fusion
di: Varshneya, Saurabh, et al.
Pubblicazione: (2024)

Structural Evaluation Metrics for SVG Generation via Leave-One-Out Analysis
di: Zhu, Haonan, et al.
Pubblicazione: (2026)

Rethinking Explainability in the Era of Multimodal AI
di: Agarwal, Chirag
Pubblicazione: (2025)

Rethinking Graph Transformer Architecture Design for Node Classification
di: Zhou, Jiajun, et al.
Pubblicazione: (2024)

Rethinking Tokenized Graph Transformers for Node Classification
di: Chen, Jinsong, et al.
Pubblicazione: (2025)

Learning Hierarchical Relational Representations through Relational Convolutions
di: Altabaa, Awni, et al.
Pubblicazione: (2023)

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering
di: Wang, Songbo, et al.
Pubblicazione: (2025)

AutoSchA: Automatic Hierarchical Music Representations via Multi-Relational Node Isolation
di: Ni-Hahn, Stephen, et al.
Pubblicazione: (2025)

From Reward-Free Representations to Preferences: Rethinking Offline Preference-Based Reinforcement Learning
di: Yang, Jun-Jie, et al.
Pubblicazione: (2026)

Rethinking Graph Contrastive Learning through Relative Similarity Preservation
di: Ning, Zhiyuan, et al.
Pubblicazione: (2025)

Rethinking Multi-Label Node Classification: Do Tuned Classic GNNs Suffice?
di: Xiao, Yuxuan, et al.
Pubblicazione: (2026)

Rethinking Semi-Supervised Imbalanced Node Classification from Bias-Variance Decomposition
di: Yan, Liang, et al.
Pubblicazione: (2023)

Modeling Edge-Specific Node Features through Co-Representation Neural Hypergraph Diffusion
di: Zheng, Yijia, et al.
Pubblicazione: (2024)

On the Power of Randomization in Fair Classification and Representation
di: Agarwal, Sushant, et al.
Pubblicazione: (2024)

Symbolic Prompt Program Search: A Structure-Aware Approach to Efficient Compile-Time Prompt Optimization
di: Schnabel, Tobias, et al.
Pubblicazione: (2024)

Interpreting Equivariant Representations
di: Hansen, Andreas Abildtrup, et al.
Pubblicazione: (2024)

Rethinking Evaluation of Sparse Autoencoders through the Representation of Polysemous Words
di: Minegishi, Gouki, et al.
Pubblicazione: (2025)

Boosting Team Modeling through Tempo-Relational Representation Learning
di: De Luca, Vincenzo Marco, et al.
Pubblicazione: (2025)

Node Identifiers: Compact, Discrete Representations for Efficient Graph Learning
di: Luo, Yuankai, et al.
Pubblicazione: (2024)

Rethinking Intrinsic Dimension Estimation in Neural Representations
di: Schulte, Rickmer, et al.
Pubblicazione: (2026)

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

GraphIFE: Rethinking Graph Imbalance Node Classification via Invariant Learning
di: Zeng, Fanlong, et al.
Pubblicazione: (2025)

Graph Similarity Computation via Interpretable Neural Node Alignment
di: Wang, Jingjing, et al.
Pubblicazione: (2024)

Linear-PAL: A Lightweight Ranker for Mitigating Shortcut Learning in Personalized, High-Bias Tabular Ranking
di: Pawar, Vipul Dinesh
Pubblicazione: (2025)

Graphic-Design-Bench: A Comprehensive Benchmark for Evaluating AI on Graphic Design Tasks
di: Deganutti, Adrienne, et al.
Pubblicazione: (2026)

Leveraging Contrastive Learning for Enhanced Node Representations in Tokenized Graph Transformers
di: Chen, Jinsong, et al.
Pubblicazione: (2024)

Renormalized Graph Representations for Node Classification
di: Caso, Francesco, et al.
Pubblicazione: (2023)

TSLANet: Rethinking Transformers for Time Series Representation Learning
di: Eldele, Emadeldeen, et al.
Pubblicazione: (2024)

Rethinking the Global Convergence of Softmax Policy Gradient with Linear Function Approximation
di: Lin, Max Qiushi, et al.
Pubblicazione: (2025)

Resurrecting the Salmon: Rethinking Mechanistic Interpretability with Domain-Specific Sparse Autoencoders
di: O'Neill, Charles, et al.
Pubblicazione: (2025)

Rethinking Node-wise Propagation for Large-scale Graph Learning
di: Li, Xunkai, et al.
Pubblicazione: (2024)

CodecSep: Prompt-Driven Universal Sound Separation on Neural Audio Codec Latents
di: Banerjee, Adhiraj, et al.
Pubblicazione: (2025)

Understanding Interpretability by generalized distillation in Supervised Classification
di: Agarwal, Adit, et al.
Pubblicazione: (2020)

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

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

The Umwelt Representation Hypothesis: Rethinking Universality
di: Bosch, Victoria, et al.
Pubblicazione: (2026)

Node Role-Guided LLMs for Dynamic Graph Clustering
di: Li, Dongyuan, et al.
Pubblicazione: (2026)

Landmark-Based Node Representations for Shortest Path Distance Approximations in Random Graphs
di: Le, My, et al.
Pubblicazione: (2025)