Buchumschlag

Disentangled Graph Representation Based on Substructure-Aware Graph Optimal Matching Kernel Convolutional Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Mao, Wu, Tao, Xian, Xingping, Qiao, Shaojie, Niu, Weina, Cui, Canyixing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GJDNet: Robust Graph Neural Networks via Joint Disentangled Learning Against Adversarial Attacks
von: Cui, Canyixing, et al.
Veröffentlicht: (2026)

Understanding the Robustness of Graph Neural Networks against Adversarial Attacks
von: Wu, Tao, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

GISExplainer: On Explainability of Graph Neural Networks via Game-theoretic Interaction Subgraphs
von: Xian, Xingping, et al.
Veröffentlicht: (2024)

Saliency-Aware Regularized Graph Neural Network
von: Pei, Wenjie, et al.
Veröffentlicht: (2024)

GED-Consistent Disentanglement of Aligned and Unaligned Substructures for Graph Similarity Learning
von: Zhan, Zhentao, et al.
Veröffentlicht: (2025)

Tensor Graph Convolutional Network for Dynamic Graph Representation Learning
von: Wang, Ling, et al.
Veröffentlicht: (2024)

Spatial-temporal Graph Convolutional Networks with Diversified Transformation for Dynamic Graph Representation Learning
von: Wang, Ling, et al.
Veröffentlicht: (2024)

RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks
von: Guo, Hao, et al.
Veröffentlicht: (2025)

Learning to Approximate Adaptive Kernel Convolution on Graphs
von: Sim, Jaeyoon, et al.
Veröffentlicht: (2024)

Graph Edge Representation via Tensor Product Graph Convolutional Representation
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

Graph Convolutional Network For Semi-supervised Node Classification With Subgraph Sketching
von: Huang, Zibin, et al.
Veröffentlicht: (2024)

Exploring Consistency in Graph Representations:from Graph Kernels to Graph Neural Networks
von: Liu, Xuyuan, et al.
Veröffentlicht: (2024)

Learning Network Representations with Disentangled Graph Auto-Encoder
von: Fan, Di, et al.
Veröffentlicht: (2024)

Disentangled Generative Graph Representation Learning
von: Hu, Xinyue, et al.
Veröffentlicht: (2024)

GoMS: Graph of Molecule Substructure Network for Molecule Property Prediction
von: Qu, Shuhui, et al.
Veröffentlicht: (2025)

CKGConv: General Graph Convolution with Continuous Kernels
von: Ma, Liheng, et al.
Veröffentlicht: (2024)

Frequency Feature Fusion Graph Network For Depression Diagnosis Via fNIRS
von: Yang, Chengkai, et al.
Veröffentlicht: (2025)

Disentangled Representation Learning via Flow Matching
von: Chi, Jinjin, et al.
Veröffentlicht: (2026)

Disentangling, Amplifying, and Debiasing: Learning Disentangled Representations for Fair Graph Neural Networks
von: Lee, Yeon-Chang, et al.
Veröffentlicht: (2024)

Residual Hyperbolic Graph Convolution Networks
von: Xue, Yangkai, et al.
Veröffentlicht: (2024)

Disentangled Hyperbolic Representation Learning for Heterogeneous Graphs
von: Bai, Qijie, et al.
Veröffentlicht: (2024)

Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow
von: Ma, Jicheng, et al.
Veröffentlicht: (2026)

Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks
von: Ancelotti, Amy, et al.
Veröffentlicht: (2024)

Counting Substructures with Higher-Order Graph Neural Networks: Possibility and Impossibility Results
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2020)

AKBR: Learning Adaptive Kernel-based Representations for Graph Classification
von: Qian, Feifei, et al.
Veröffentlicht: (2024)

Enhancing Size Generalization in Graph Neural Networks through Disentangled Representation Learning
von: Huang, Zheng, et al.
Veröffentlicht: (2024)

Simplifying Graph Convolutional Networks with Redundancy-Free Neighbors
von: Lu, Jielong, et al.
Veröffentlicht: (2025)

Graph Kernel Neural Networks
von: Cosmo, Luca, et al.
Veröffentlicht: (2021)

NGTM: Substructure-based Neural Graph Topic Model for Interpretable Graph Generation
von: Zhuang, Yuanxin, et al.
Veröffentlicht: (2025)

DRGW: Learning Disentangled Representations for Robust Graph Watermarking
von: Li, Jiasen, et al.
Veröffentlicht: (2026)

Reservoir-Based Graph Convolutional Networks
von: Soussia, Mayssa, et al.
Veröffentlicht: (2026)

AdaKernel: Learning Adaptive Kernel Parameters for Spatiotemporal Graph Neural Networks
von: Zhang, Zhongyue, et al.
Veröffentlicht: (2026)

Do Graph Diffusion Models Accurately Capture and Generate Substructure Distributions?
von: Wang, Xiyuan, et al.
Veröffentlicht: (2025)

Graph Convolutional Network With Pattern-Spatial Interactive and Regional Awareness for Traffic Forecasting
von: Ji, Xinyu, et al.
Veröffentlicht: (2025)

CTAGE: Curvature-Based Topology-Aware Graph Embedding for Learning Molecular Representations
von: Chen, Yili, et al.
Veröffentlicht: (2023)

Variational Graph Convolutional Neural Networks
von: Oleksiienko, Illia, et al.
Veröffentlicht: (2025)

Relation-Aware Network with Attention-Based Loss for Few-Shot Knowledge Graph Completion
von: Qiao, Qiao, et al.
Veröffentlicht: (2023)

Markov Process-Based Graph Convolutional Networks for Entity Classification in Knowledge Graphs
von: Mäkelburg, Johannes, et al.
Veröffentlicht: (2024)

DisenSemi: Semi-supervised Graph Classification via Disentangled Representation Learning
von: Wang, Yifan, et al.
Veröffentlicht: (2024)