MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Advanced Graph Neural Networks
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

518 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
518 travaux dans la cohorte · sur 4 299 418page 1 sur 11

Les étiquettes couvrent 2 des 518 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 518 des 518 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Modeling Relational Data with Graph Convolutional Networks
Michael Schlichtkrull, Thomas Kipf, Peter Bloem, Rianne van den Berg, Ivan Titov, Max Welling
2018· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
5 060
citations
affnon étiqueté
Graph Attention Networks
Petar Veličković, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Píetro Lió, Yoshua Bengio
2017· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
947
citations
afffundnon étiqueté
Community Preserving Network Embedding
Xiao Wang, Peng Cui, Jing Wang, Jian Pei, Wenwu Zhu, Shiqiang Yang
2017· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
929
citations
affnon étiqueté
Knowledge Graph Embedding for Link Prediction
Andrea Rossi, Denilson Barbosa, Donatella Firmani, Antonio Matinata, Paolo Merialdo
2021· article· en· ACM Transactions on Knowledge Discovery from Data· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
476
citations
affnon étiqueté
Deep Graph Infomax
Petar Veličković, William Fedus, William L. Hamilton, Píetro Lió, Yoshua Bengio, R Devon Hjelm
2018· article· en· Apollo (University of Cambridge)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
332
citations
affnon étiqueté
Graph Neural Networks: Foundation, Frontiers and Applications
Lingfei Wu, Peng Cui, Jian Pei, Liang Zhao, Xiaojie Guo
2022· article· en· Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
199
citations
affnon étiqueté
A Survey on Graph Representation Learning Methods
Shima Khoshraftar, Aijun An
2023· article· en· ACM Transactions on Intelligent Systems and Technology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
189
citations
affnon étiqueté
Deep Graph Infomax.
Petar Veličković, William Fedus, William L. Hamilton, Píetro Lió, Yoshua Bengio, R Devon Hjelm
2018· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
156
citations
affnon étiqueté
DGL-KE
Da Zheng, Xiang Song, Chao Ma, Zeyuan Tan, Zihao Ye, Jin Song Dong +3 autres
2020· article· en· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
127
citations
affnon étiqueté
GraphMix: Improved Training of GNNs for Semi-Supervised Learning
Vikas Verma, Meng Qu, Kenji Kawaguchi, Alex Lamb, Yoshua Bengio, Juho Kannala +1 autres
2021· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
113
citations
affnon étiqueté
Neighbor Contrastive Learning on Learnable Graph Augmentation
Xiao Shen, Dewang Sun, Shirui Pan, Xi Zhou, Laurence Yang
2023· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
109
citations
afffundnon étiqueté
TIMERS: Error-Bounded SVD Restart on Dynamic Networks
Ziwei Zhang, Peng Cui, Jian Pei, Xiao Wang, Wenwu Zhu
2018· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
93
citations
affnon étiqueté
Graph Kernels: A Survey
Giannis Nikolentzos, Giannis Siglidis, Michalis Vazirgiannis
2021· article· en· Journal of Artificial Intelligence Research· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
85
citations
affnon étiqueté
Hierarchical Multi-View Graph Pooling with Structure Learning
Zhen Zhang, Jiajun Bu, Martin Ester, Jianfeng Zhang, Zhao Li, Chengwei Yao +3 autres
2021· article· en· IEEE Transactions on Knowledge and Data Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
78
citations
affnon étiqueté
GraphJet
Aneesh Sharma, Jerry Jiang, Praveen Bommannavar, Brian Larson, Jimmy Lin
2016· article· en· Proceedings of the VLDB Endowment· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
76
citations
affnon étiqueté
Distributed Graph Neural Network Training: A Survey
Yingxia Shao, Hongzheng Li, Xizhi Gu, Yawen Li, Xupeng Miao, Wentao Zhang +2 autres
2024· review· en· ACM Computing Surveys· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
71
citations
affnon étiqueté
Learning Structured Embeddings of Knowledge Bases
Antoine Bordes, Jason Weston, Ronan Collobert, Yoshua Bengio
2011· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
66
citations

En coulisses: Sélection · Constats · À propos