跳到主要内容
检索

# Advanced Graph Neural Networks

2 篇关联报道

订阅更新
  1. 知识图谱领域的文献计量与共词映射:一篇综述性研究梳理了该领域的知识基础与主题结构

    这篇题为《文献计量分析与共词映射:知识图谱领域》的文章以文献计量与共词分析为方法,围绕知识图谱研究领域组织并梳理了相关文献,其参考文献涵盖知识图谱的定义与综述、嵌入方法、补全与精化、领域专用图谱、教育等应用,以及科学计量与共词分析方法本身,但本次可获取的文本仅为参考文献列表,正文、图表与具体计量结果未包含在内。

  2. FedTrust-GNN 在 1 万至 10 万参与者规模下达到 94.2% 准确率,并将标签翻转攻击成功率从 34% 降至 6.1%

    该工作提出 FedTrust-GNN,一个把差分隐私联邦学习与安全多方计算、采用 PBFT 共识的许可链、以及异构图注意力网络(HGAT)推断的动态信任分数结合起来的去中心化用户建模框架,并用信任加权鲁棒聚合(TWRA,结合范数裁剪与坐标中位数聚合)实现拜占庭容错;在 Federated EMNIST、Stack Overflow 与合成数据集(1 万至 10 万参与者)上报告 94.2% 准确率(与中心化模型相差 1.3% 以内)、标签翻转攻击成功率由 34% 降至 6.1%(降低 82%)、收敛稳定性提升 41%,以及 1200 TPS 与 2.3 秒最终性的区块链性能。

已读完全部报道