智迹闻AuraTracer
EN

EVENT DOSSIER

从全局到局部:基于颗粒球模型实现保拓扑的自适应图池化

2026-09-07 12:00 大模型 🔥 40.2 事件热度
1家信源
1天持续发酵
40.2事件热度
1个提及
摘要由 AI 生成

2026 年 9 月 7 日,arXiv cs.AI 期刊发表题为《Global to Local: Topology-Preserving Adaptive Graph Pooling via Granular-Ball》的研究论文。该研究提出了一种新的图神经网络技术,旨在通过细粒度球体(Granular-Ball)实现从全局到局部的自适应图池化过程。该方法的核心优势在于能够保持图的拓扑结构特征,同时适应不同尺度的数据聚合需求,为处理大规模非欧几里得数据提供了新的解决方案。

相关事件RELATED EVENTS
关键实体KEY ENTITIES
TPAGP

信号强度SIGNALS

关键词热度
  • TPAGP1

全部报道(1)SOURCES

A arXiv cs.AI en 2026-09-07 12:00

Global to Local: Topology-Preserving Adaptive Graph Pooling via Granular-Ball

arXiv:2609.04978v1 提出一种基于细粒度球体的拓扑保持自适应图池化(TPAGP)方法,旨在解决现有工作忽视全局到局部模式及自适应粒度的问题。该方法通过整合节点特征与拓扑信息动态将图划分为细粒度球,生成多粒度表示以捕捉局部和全局结构模式,并设计了跨粒度交互优化的多粒度图网络模型。实验表明,TPAGP 在多个基准数据集上优于现有池化方法,有效缓解了固定粒度策略导致的信息丢失。