Buchumschlag

Rethinking Efficient Graph Coarsening via a Non-Selfishness Principle

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Xu, Lu, Bin, Zhang, Kun, Chen, Shengbo, Wang, Xinbing, Zhou, Chenghu, Jin, Meng
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

Temporal Generalization Estimation in Evolving Graphs
von: Lu, Bin, et al.
Veröffentlicht: (2024)

MagiNet: Mask-Aware Graph Imputation Network for Incomplete Traffic Data
von: Zhou, Jianping, et al.
Veröffentlicht: (2024)

MTSCI: A Conditional Diffusion Model for Multivariate Time Series Consistent Imputation
von: Zhou, Jianping, et al.
Veröffentlicht: (2024)

Characterizing the Influence of Topology on Graph Learning Tasks
von: Wu, Kailong, et al.
Veröffentlicht: (2024)

A Comprehensive Survey on Graph Reduction: Sparsification, Coarsening, and Condensation
von: Hashemi, Mohammad, et al.
Veröffentlicht: (2024)

SLASH the Sink: Sharpening Structural Attention Inside LLMs
von: Liu, Yiming, et al.
Veröffentlicht: (2026)

Efficient and Scalable Granular-ball Graph Coarsening Method for Large-scale Graph Node Classification
von: Wang, Guan, et al.
Veröffentlicht: (2026)

Efficient Large-Scale Urban Parking Prediction: Graph Coarsening Based on Real-Time Parking Service Capability
von: Wang, Yixuan, et al.
Veröffentlicht: (2024)

OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning
von: Lu, Bin, et al.
Veröffentlicht: (2024)

CHAINSFORMER: Numerical Reasoning on Knowledge Graphs from a Chain Perspective
von: Zhao, Ze, et al.
Veröffentlicht: (2025)

Coarsening Linear Non-Gaussian Causal Models with Cycles
von: Madaleno, Francisco, et al.
Veröffentlicht: (2026)

LGAN: An Efficient High-Order Graph Neural Network via the Line Graph Aggregation
von: Du, Lin, et al.
Veröffentlicht: (2025)

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

Leveraging Invariant Principle for Heterophilic Graph Structure Distribution Shifts
von: Yang, Jinluan, et al.
Veröffentlicht: (2024)

AutoFAIR : Automatic Data FAIRification via Machine Reading
von: Ma, Tingyan, et al.
Veröffentlicht: (2024)

Near-Optimal Dynamic Matching via Coarsening with Application to Heart Transplantation
von: Zilberstein, Itai, et al.
Veröffentlicht: (2026)

Counteractive RL: Rethinking Core Principles for Efficient and Scalable Deep Reinforcement Learning
von: Korkmaz, Ezgi
Veröffentlicht: (2026)

Rethinking Propagation for Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

NN-Former: Rethinking Graph Structure in Neural Architecture Representation
von: Xu, Ruihan, et al.
Veröffentlicht: (2025)

Tackling Selfish Clients in Federated Learning
von: Augello, Andrea, et al.
Veröffentlicht: (2024)

Rethinking Constraint Awareness for Efficient State Embedding of Neural Routing Solver
von: Yu, Canhong, et al.
Veröffentlicht: (2026)

LEAP: Unlocking dLLM Parallelism via Lookahead Early-Convergence Token Detection
von: Zhang, Haohui, et al.
Veröffentlicht: (2026)

Graph Sparsification via Mixture of Graphs
von: Zhang, Guibin, et al.
Veröffentlicht: (2024)

Distributional Soft Actor-Critic with Harmonic Gradient for Safe and Efficient Autonomous Driving in Multi-lane Scenarios
von: Zhang, Feihong, et al.
Veröffentlicht: (2025)

State Space Models on Temporal Graphs: A First-Principles Study
von: Li, Jintang, et al.
Veröffentlicht: (2024)

Rethinking Time Encoding via Learnable Transformation Functions
von: Chen, Xi, et al.
Veröffentlicht: (2025)

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

<SOG_k>: One LLM Token for Explicit Graph Structural Understanding
von: Wu, Jingyao, et al.
Veröffentlicht: (2026)

Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
von: Miller-Golub, Maxwell, et al.
Veröffentlicht: (2026)

Label Informed Contrastive Pretraining for Node Importance Estimation on Knowledge Graphs
von: Zhang, Tianyu, et al.
Veröffentlicht: (2024)

Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness
von: Tan, Xuwei, et al.
Veröffentlicht: (2021)

Walk Wisely on Graph: Knowledge Graph Reasoning with Dual Agents via Efficient Guidance-Exploration
von: Wang, Zijian, et al.
Veröffentlicht: (2024)

Rethinking Optimal Verification Granularity for Compute-Efficient Test-Time Scaling
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

VGFL-SA: Vertical Graph Federated Learning Structure Attack Based on Contrastive Learning
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Ignite Forecasting with SPARK: An Efficient Generative Framework for Refining LLMs in Temporal Knowledge Graph Forecasting
von: Yin, Gongzhu, et al.
Veröffentlicht: (2025)

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

Graph Parsing Networks
von: Song, Yunchong, et al.
Veröffentlicht: (2024)

Rethinking Independent Cross-Entropy Loss For Graph-Structured Data
von: Miao, Rui, et al.
Veröffentlicht: (2024)

Towards Principled Graph Transformers
von: Müller, Luis, et al.
Veröffentlicht: (2024)