GNN与Transformer的融合！实现全局与局部的完美协同

原创

已于 2024-11-15 11:34:04 修改 · 919 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #CNN #transformer #论文解读 #论文阅读 #论文解析 #前沿论文

于 2024-11-15 11:14:25 首次发布

2024深度学习发论文&模型涨点之——GNN+Transformer

关于GNN（图神经网络）和Transformer的结合，这是一个近年来的研究热点，它们结合的主要优势在于能够发挥各自的长处，提高处理图数据的效率和性能。具体来说，Transformer可以帮助GNN扩展其感受野，包括那些距离中心节点较远的相关节点，而GNN则可以帮助Transformer捕捉复杂的图拓扑信息，并从相邻区域高效地聚合相关节点。

GNN和Transformer的结合在未来有望通过提升模型性能和效率，推动模型创新，并在推荐系统、文本分析、生物信息学等多个领域得到广泛应用。

如果有同学想发表相关论文，小编整理了一些GNN+Transformer【论文】合集，以下放出部分，全部论文PDF版，需要的同学公人人人号【AI智界先锋】回复“GNN+Transformer”即可全部领取

论文精选

论文1：

AN IMPROVED GNN-REASONER FOR GAME DESCRIPTION LANGUAGE

改进的用于游戏描述语言的GNN推理器

方法

提出GNN-Reasoner V2模型：通过改进图结构、扁平化否定规则的方法、改进的神经网络架构、加快和模块化的数据集生成过程以及一套分析工具来提升模型性能。
数据集生成：引入了新的数据结构和多核处理技术，加快了数据集生成速度。
神经网络架构：采用新的GAT块结构，减少了硬件资源需求，同时保持性能。
分析工具：