当前位置:首页> 机器学习 >一种用于大规模图的可扩展深度学习方法

一种用于大规模图的可扩展深度学习方法

  图形结构对于预测其成分的属性非常有用。执行此预测的最成功方法是通过使用深度神经网络将每个实体映射到向量。可以基于矢量接近度推断两个实体的相似性。然而,深度学习的挑战在于,需要在神经网络的各层之间收集实体与其扩展邻域之间的信息。该社区迅速扩张,计算成本非常高。为了解决这一挑战,我们提出了一种新方法,通过数学证明和实验结果进行验证,表明在每个邻域扩 [详情阅读] 一种用于大规模图的可扩展深度学习方法

相关推荐