Buchumschlag

Graph Negative Feedback Bias Correction Framework for Adaptive Heterophily Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lv, Jiaqi, Du, Qingfeng, Zhang, Yu, Han, Yongqi, Li, Sheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Scale Adaptive Neighborhood Awareness Transformer For Graph Fraud Detection
von: Lv, Jiaqi, et al.
Veröffentlicht: (2026)

Modeling Heterophily in Multiplex Graphs: An Adaptive Approach for Node Classification
von: Abdous, Kamel, et al.
Veröffentlicht: (2026)

Adaptive Heterogeneous Graph Neural Networks: Bridging Heterophily and Heterogeneity
von: Chen, Qin, et al.
Veröffentlicht: (2025)

HeterSEED: Semantics-Structure Decoupling for Heterogeneous Graph Learning under Heterophily
von: Li, Xinyi, et al.
Veröffentlicht: (2026)

Resurrecting Label Propagation for Graphs with Heterophily and Label Noise
von: Cheng, Yao, et al.
Veröffentlicht: (2023)

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

DiRW: Path-Aware Digraph Learning for Heterophily
von: Su, Daohan, et al.
Veröffentlicht: (2024)

Disentangling Homophily and Heterophily in Multimodal Graph Clustering
von: Guo, Zhaochen, et al.
Veröffentlicht: (2025)

A Survey on Learning from Graphs with Heterophily: Recent Advances and Future Directions
von: Gong, Chenghua, et al.
Veröffentlicht: (2024)

Oversmoothing, Oversquashing, Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning
von: Arnaiz-Rodriguez, Adrian, et al.
Veröffentlicht: (2025)

Revisiting Graph-Based Fraud Detection in Sight of Heterophily and Spectrum
von: Xu, Fan, et al.
Veröffentlicht: (2023)

When Heterophily Meets Heterogeneous Graphs: Latent Graphs Guided Unsupervised Representation Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

Adaptive Negative Reinforcement for LLM Reasoning:Dynamically Balancing Correction and Diversity in RLVR
von: Ingle, Yash, et al.
Veröffentlicht: (2026)

Not All Negative Samples Are Equal: LLMs Learn Better from Plausible Reasoning
von: Di, Zixiang, et al.
Veröffentlicht: (2026)

Self-Pro: A Self-Prompt and Tuning Framework for Graph Neural Networks
von: Gong, Chenghua, et al.
Veröffentlicht: (2023)

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

CoCo: A Coupled Contrastive Framework for Unsupervised Domain Adaptive Graph Classification
von: Yin, Nan, et al.
Veröffentlicht: (2023)

Breaking the Entanglement of Homophily and Heterophily in Semi-supervised Node Classification
von: Sun, Henan, et al.
Veröffentlicht: (2023)

Negative Feedback System as Optimizer for Machine Learning Systems
von: Hasan, Md Munir, et al.
Veröffentlicht: (2021)

EvoFormer: Learning Dynamic Graph-Level Representations with Structural and Temporal Bias Correction
von: Zhong, Haodi, et al.
Veröffentlicht: (2025)

FreeGAD: A Training-Free yet Effective Approach for Graph Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2025)

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
von: Huang, Chen, et al.
Veröffentlicht: (2024)

COPF: An Online Framework for Deployment-Stable Counterfactual Fairness in Evolving Graphs
von: Li, Sheng'en, et al.
Veröffentlicht: (2026)

Fast and Distributed Equivariant Graph Neural Networks by Virtual Node Learning
von: Zhang, Yuelin, et al.
Veröffentlicht: (2025)

FinKario: Event-Enhanced Automated Construction of Financial Knowledge Graph
von: Li, Xiang, et al.
Veröffentlicht: (2025)

EMA Without the Lag: Bias-Corrected Iterate Averaging Schemes
von: Block, Adam, et al.
Veröffentlicht: (2025)

Leveraging Personalized PageRank and Higher-Order Topological Structures for Heterophily Mitigation in Graph Neural Networks
von: Wang, Yumeng, et al.
Veröffentlicht: (2025)

OpenGLT: A Comprehensive Benchmark of Graph Neural Networks for Graph-Level Tasks
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Autonomous Learning From Success and Failure: Goal-Conditioned Supervised Learning with Negative Feedback
von: Zhang, Zeqiang, et al.
Veröffentlicht: (2025)

FedEPA: Enhancing Personalization and Modality Alignment in Multimodal Federated Learning
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

CHoE: Cross-Domain Heterogeneous Graph Prompt Learning via Structure-Conditioned Experts
von: Li, Peiyuan, et al.
Veröffentlicht: (2026)

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

Adaptive Preference Scaling for Reinforcement Learning with Human Feedback
von: Hong, Ilgee, et al.
Veröffentlicht: (2024)

Deep Graph Neural Networks via Posteriori-Sampling-based Node-Adaptive Residual Module
von: Zhou, Jingbo, et al.
Veröffentlicht: (2023)

Learning Fair Graph Representations with Multi-view Information Bottleneck
von: Liu, Chuxun, et al.
Veröffentlicht: (2025)

Seismic full-waveform inversion based on a physics-driven generative adversarial network
von: Zhang, Xinyi, et al.
Veröffentlicht: (2026)

Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation
von: Li, Shiyuan, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Intrinsically Motivated Feedback Graph for Lost-sales Inventory Control
von: Liu, Zifan, et al.
Veröffentlicht: (2024)

CoRPO: Adding a Correctness Bias to GRPO Improves Generalization
von: Garg, Anisha, et al.
Veröffentlicht: (2025)

Bias Fitting to Mitigate Length Bias of Reward Model in RLHF
von: Zhao, Kangwen, et al.
Veröffentlicht: (2025)