№图神经网络·general
图神经网络
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-07-31
- 累计提及
- 44
§ 01综述
图神经网络近期进展
图神经网络在监控与异常检测中的应用
ClouDens：针对大规模云系统监控的上下文感知异常检测框架，由arXiv cs.LG发布。该框架通过上下文感知机制提高了异常检测的准确性（发布日期：2023年7月18日，原文标题）。
图神经网络在节点分类中的应用
NodeImport：利用节点重要性评估应对不平衡节点分类，由arXiv cs.AI发布。该研究通过节点重要性评估提高了不平衡节点分类的性能（发布日期：2023年7月14日，原文标题）。
图神经网络的隐私保护
EdgeRefine：基于Jaccard采样的图边差分隐私新框架，由arXiv cs.LG发布。该框架通过Jaccard采样保护了图数据的隐私（发布日期：2023年7月8日，原文标题）。
图神经网络的多维度学习
Any-Dimensional Learning by Sampling：通过随机采样统一处理不同规模输入，由arXiv cs.LG发布。该方法通过采样技术实现了不同规模输入的统一处理（发布日期：2023年7月7日，原文标题）。
图神经网络在药物相互作用预测中的应用
不对称焦点损失改进图神经网络的药物相互作用预测，由arXiv cs.LG发布。该研究通过不对称焦点损失提高了药物相互作用预测的准确性（发布日期：2023年7月7日，原文标题）。
图神经网络在代谢工程中的应用
Canopy：用于代谢工程的异构图基础模型，由arXiv cs.LG发布。该模型通过异构图方法促进了代谢工程的研究（发布日期：2023年7月6日，原文标题）。
图神经网络在INR分类中的应用
Dynamic Neural Graph Encoder 提升 INR 分类准确率约 10%，由arXiv cs.LG发布。该研究通过动态神经图编码器提高了INR分类的准确性（发布日期：2023年7月2日，原文标题）。
图神经网络在图欺诈检测中的应用
ADC-GNN：扩散引导学习用于少样本图欺诈检测，由arXiv cs.AI发布。该研究通过扩散引导学习实现了少样本图欺诈检测（发布日期：2023年6月28日，原文标题）。
图神经网络在推荐系统中的应用
G2Rec：结合图结构与语义标记化的生成式推荐框架，由arXiv cs.AI发布。该框架通过结合图结构和语义标记化实现了更有效的推荐系统（发布日期：2023年6月25日，原文标题）。
图神经网络在多模态生存分析中的应用
ChronoSurv：临床路径引导的多模态生存分析图框架，由arXiv cs.LG发布。该框架通过临床路径引导的多模态生存分析实现了更准确的预测（发布日期：2023年6月20日，原文标题）。
当前焦点与观察点
图神经网络（Graph Neural Networks, GNNs）近年来在各个领域取得了显著进展，尤其是在数据分析和机器学习领域。当前研究焦点集中在如何提高GNNs在处理大规模、高维度数据时的效率和准确性。同时，研究者们也在探索GNNs在保护数据隐私方面的应用，以及如何将GNNs与其他人工智能技术结合以实现更广泛的应用。