{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,29]]，“日期-时间”：“2024-06-29T00:53:51Z”，“时间戳”：1719622431644}，“参考-计数”：61，“出版商”：“Springer Science and Business Media LLC”，“问题”：“10”，“许可证”：[{“开始”：}“日期-零件”：[2019,3,8]]，”日期-时间我”：“2019-03-08T00:00:00Z”，“timestamp”：1552003200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[”Mach-Learn“]，”published-print“：{”date-parts“：[2019,10]}，-019-05782-6“，”类型“：”日志文章“，”创建“：{“date-parts”：[[2019,3,8]]，“date-time”：“2019-03-08T16:50:23Z”，“timestamp”：1552063823000}，“page”：“1757-1781”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：11，“title”：[“关注图上的多标签学习：消息传递方法”]，“前缀”：“10.1007“，”卷“：”108“，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-0119-122X”，“authenticated-ORCID”：false，“给定”：“Kien”，“family”：“Do”，“sequence”：“first”，“affiliation”：[]}，{“给定”:“Truyen”，“家族”：“Tran”，，{“given”：“Svetha”，“family”：“Venkatesh”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2019,3,8]]}，“reference”：[{“key”：“5782_CR1”，“unstructured”：“Alanis-Lobato，G.，Andrade-Navarro，M.A.，&Schaefer，M.H.（2016）。HIPPIE v2。0:增强蛋白质\u2013蛋白质相互作用网络的意义和可靠性。核酸研究，gkw985。“}，{“key”：“5782_CR2”，“unstructured”：“Bahdanau，D.，Cho，K.，&Bengio，Y.（2014）。通过联合学习对齐和翻译的神经机器翻译。ArXiv预印本ArXiv:1409.0473。”}，}，“key“：”5782_CR3“，“unsructured“：”Bi，W.，&Kwok，J.T.（2011）.树和dAG结构层次的多标签分类。《机器学习国际会议论文集》，第17\u201324页.用结构化标签空间对卷积网络进行分类。ArXiv预打印ArXiv:1710.04908。“｝，｛”键“：”5782_CR6“，”非结构化“：”Chen，S.-F.，Chen，Y.-C.，Yeh，C.-K.，&Wang，Y.-C.F.（2017）。为多标签分类提供视觉关注的免费RNN。ArXiv预印本ArXiv:1707.05495.“｝，｛”键“：”5782_CR7“，”非结构化“：”Cho，K.，Van Merri\u00ebnboer，B.，Gulcehre，C.，Bahdanau，D.，Bougares，F.，Schwenk，H.等人（2014）。使用RNN编码器-解码器学习短语表示，以进行统计机器翻译。arXiv预打印arXiv:1406.1078。}，{“key”：“5782_CR8”，“unstructured”：“Defferrard，M.l.，Bresson，X.，&Vandergheynst，P.（2016）。具有快速局域谱滤波的图上卷积神经网络。《神经信息处理系统进展学报》，第3844\u20133852页。”}，}Dembczynski，K.、Cheng，W.和H\u00fcllermier，E.（2010年）。基于概率分类器链的贝叶斯最优多标签分类。在《机器学习国际会议论文集》，第10卷，第279\u2013286.“}，{“key”：“5782_CR10”，“doi断言”：“crossref”，“非结构化”：“Deng，J.，Ding，N.，Jia，Y.，Frome，A.，Murphy，K.，Bengio，S.等人（2014）。使用标签关系图进行大规模对象分类。《欧洲计算机视觉会议论文集》（第48\u201364页）。斯普林格。“，”DOI“：”10.1007\/978-3-319-10590-1_4“}，{”key“：”5782_CR11“，”unstructured“：”Fout，A.，Byrd，J.，Shariat，B.，&Ben-Hur，A.（2017）。使用图卷积网络预测蛋白质界面。《神经信息处理系统进展学报》，第6533\u20136542页。“}”，{“issue”：“2”，“key”：“5782_CR12”，“DOI-asserted-by”：“publisher”，“首页“：”133“，”DOI“：”10.1007\/s10994-008-5064-8“，“卷”：“73”，“作者”：“J F\u00fcrnkranz”，“年份”：“2008”，“非结构化”：“F\u001fcrnkrenz，J.，H\u00fc llermier，E.，Menc\u00eda，E.L.，&Brinker，K.（2008）。通过校准标签排名进行多标签分类。机器学习，73（2），133\u2013153.“，“journal-title”：“机器学习”}，{“key”：“5782_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Ghamrawi，N.，&McCallum，A.（2005）。集体多标签分类。《信息与知识管理国际会议论文集》（第195\u2013200页）。ACM。”，“doi”：“10.21236 \/ADA440081“}，{“key”：“5782_CR14”，“unstructured”：“Gilmer，J.，Schoenholz，S.S.，Riley，P.F.，Vinyals，O.，&Dahl，G.E.（2017）。量子化学的神经信息传递。《国际机器学习会议论文集》。”}，“key“：”5782_CR15“，“unsructured。多标签图像注释的深度卷积排序。ArXiv预印本ArXiv:1312.4894。“}，{”key“：”5782_CR16“，”doi-asserted-by“：”crossref“，”unstructured“：”Grover，A.，&Leskovec，J.（2016）.node2vec:网络的可扩展特征学习.摘自《知识发现和数据挖掘国际会议论文集》（第855\u2013864页）.ACM.“，doi”：“10.1145\/2939672.2939754”}，”key：“5782_CR17”，“unstructure”：“”Guo，Y.，&Gu，S.（2011）。使用条件依赖网络的多标签分类。《人工智能国际联合会议论文集》，第22卷，第1300页。“}，{“key”：“5782_CR18”，“unstructured”：“Hamilton，W.，Ying，Z.，&Leskovec，J.（2017a）。大图的归纳表示学习。《神经信息处理系统进展论文集》第1025\u20131035页。”非结构化”：“Hamilton，W.L.，Ying，R.，&Leskovec，J.（2017b）。图的表示学习：方法和应用。ArXiv预打印ArXiv:1709.05584。“}，{”key“：”5782_CR20“，”unstructured“：”Jin，W.，Barzilay，R.，&Jaakkola，T.（2018）。用于分子图生成的连接树变分自动编码器。ArXiv预印本ArXiv:1802.04364。“}”，{“key”：“5782_CR2”，“unstructure”：“Kingma，D.，&Ba，J.（2014）。Adam：一种随机优化方法。ArXiv-预印本ArXiv:1412.6980。”}5782_CR22“，“非结构化”：“Kipf，T.N.，&Welling，M.（2016a）。图卷积网络半监督分类。ArXiv预印ArXiv:1609.02907。“}，{”key“：”5782_CR23“，”unstructured“：”Kipf，T.N.，&Welling，M.（2016b）。变分图自动编码器。ArXiv预印本ArXiv:1611.07308。“}”，{“问题”：“2”，“key”：“5782_CR2”，“doi-asserted-by”：“publisher”，“首页”：“281”，“doi”：“10.1007\/s1015-011-0407-3”，“卷”：“31”，“作者”：“X Kong”，“年份”：“2012年”，“非结构化”：“Kong，X.，&Philip，S。Y.（2012）。gMLC：用于图形分类的多标签特征选择框架。《知识与信息系统》，31（2），281\u2013305.“，“新闻标题”：“知识和信息系统”}，{“关键字”：“5782_CR25”，“非结构化”：“Lafferty，J.，McCallum，A.，&Pereira，F.（2001）条件随机场：用于分割和标记序列数据的概率模型。《机器学习国际会议论文集》，第282\u2013289页key“：”5782_CR27“，”unstructured“：”Li，Y.，Tarlow，D.，Brockschmidt，M.，&Zemel，R.（2016）。门控图序列神经网络。在学习表征国际会议的会议记录中。“}，{”key“：”5782_CR28“，”unstructured“：”Li，Y.，Vinyals，O.，Dyer，C.，Pascanu，R.，&Battaglia，P.（2018）。学习图形的深层生成模型。ArXiv预印本ArXiv:1803.03324.“}”，{“issue”：“9”，“key”：“5782_CR2”，“doi-asserted-by”：“publisher”，“first page”：”3084“，“doi”：“10.1016\/j.patcog.2012.03.004”，“volume”：“45”，“作者”：“G Madjarov”，“年份”：“2012年”，“非结构化”：“Madjarov，G.，Kocev，D.，Gjorgjevikj，D.，&D\u017eeroski，S.（2012）。多标签学习方法的广泛实验比较。模式识别，45（9），3084\u20133104.”，“期刊标题”：“模式识别”}，｛“问题”：“12”，“密钥”：“5782_CR30”，“第一页”：“877”，“卷”：“13”，“作者”：“A Mullard”，“年份”：“2014”，“非结构化”：“Mullard，A.（2014）。新药开发成本为26亿美元。《自然评论药物发现》，13（12），877\u2013877.”，“期刊标题”：“Nature Reviews Drug Discovery“}，{“key”：“5782_CR31”，“unstructured”：“Narayanan，A.，Chandramohan，M.，Venkatesan，R.，Chen，L.，Liu，Y.，&Jaiswal，S.（2016）。graph2vec：学习图的分布式表示。ArXiv预印本ArXiv:1707.05005.”}，}，“key“：”5782_CR12“非结构化”：“Niepert，M.、Ahmed，M.和Kutzkov，K.（2016）学习图的卷积神经网络。机器学习国际会议论文集。“}，{”key“：”5782_CR33“，”doi-asserted-by“：”crossref“，”unstructured“：”Perozzi，B.，Al-Rfou，R.，&Skiena，S.（2014）。Deepwalk:社会表征的在线学习。摘自《知识发现和数据挖掘国际会议论文集》（第701\u2013710页）。ACM。“，”doi“：”10.1145\/2623330.2623732“}”，{“key”：“5782_CR 34”，“unstructure”：“”Pham，T.、Tran，T.和Venkatesh，S.（2017年）。一个尺寸适合多个尺寸：用于多x学习的列束。ArXiv预打印ArXiv:1702.07021。“}，{”key“：”5782_CR35“，”unstructured“：”Pham，T.、Tran，T.和Venkatesh，S.（2018）。分子活性预测的图形记忆网络。ArXiv预印本ArXiv:1801.02622.“}”，{“key”：“5782_CR 36”，“doi-asserted-by”：“crossref”，“unstructure”：“Pham，T，Tran，T，Phung，D.，&Venkatesh-S.（2017）.用于集体分类的柱网。在人工智能AAAI会议记录中。“，”DOI“：”10.1609\/aaai.v31i1.10851“}，{”issue“：”1“，”key“：”5782_CR37“，”首页“：”667“，”volume“：“17”，”author“：”J Read“，”year“：”2016“，”unstructured“：”Read，J.，Reutemann，P.，Pfahringer，B.，&Holmes，G.（2016）。Meka:Weka的多标签扩展。机器学习研究杂志，17（1），667\u2013671。“，”日志标题“：”机器学习研究杂志“}，{”issue“：”1“，”key“：”5782_CR38“，”doi-asserted-by“：”publisher“，”first page“：“61”，“doi”：“10.1109\/TNN.2008.2005605”，“volume”：“20”，“author”：“F Scarselli”，“year”：“2009”，“unstructured”：“Scarseli，F.，Gori，M.，Tsoi，A.C.，Hagenbuchner，M.和Monfardini，G.（2009）图神经网络模型。IEEE Transactions on Neural Networks，20（1），61\u201380.“，“journal-title”：“IEEE Transssions on Neral Networks”}，{“issue”：“2”，“key”：“5782_CR39”，“doi-asserted-by”：“publisher”，“first page”：”e31826“，“doi”：“10.1371”journal.pone.0031826。H.、Fontaine，J.-F.、Vinayagam，A.、Porras，P.、Wanker，E.E.和Andrade Navarro，M.A.（2012年）。HIPPIE：将蛋白质相互作用网络与基于实验的质量分数相结合。《公共科学图书馆·综合》，7（2），e31826。“，”journal-title“：”PLoS ONE“}，{”key“：”5782_CR40“，”unstructured“：”Schlichtkrull，M.，Kipf，T.N.，Bloem，P.，van den Berg，R.，Titov，I.，&Welling，M.（2017）。用图卷积网络建模关系数据。ArXiv预印本ArXiv:1703.06103。，“DOI“：”10.1021\/acscentsci.7b00512“，”volume“：”4“，”author“：”MHS Segler“，”year“：”2017“，”unstructured“：”Segler，M.H.S.，Kogej，T.，Tyrchan，C.，&Waller，M.P.（2017）。利用递归神经网络生成用于药物发现的聚焦分子库。美国化学学会中央科学，4，120\u2013131.“，“新闻标题”：“美国化学学会中心科学”}，{“问题”：“九月”，“关键”：“5782_CR42”，“首页”：“2539”，“卷”：“12”，“作者”：“N Shervashidze”，“年份”：“2011”，“非结构化”：“Shervashidze，N.，Schweitzer，P.，van Leeuwen，E.J.，Mehlhorn，K.，&Borgwardt，K.M.（2011）.Weisfeiler-Lehman图核。机器学习研究杂志，12（9月），2539\u20132561。“，“Journal-title”：“Journal of Machine Learning Research”}，{“key”：“5782_CR43”，“unstructured”：“Simonovsky，M.，&Komodakis，N.（2018）。Graphvae:Towards generation of small graphs using variation autoencoders。ArXiv预印本ArXiv:1802.03480。”}、{“密钥”：“57 82_CR44”，“非结构化”：“Srivastava，R.K.、Greff，K.和Schmidhuber，J.（2015）。训练深度网络。在《神经信息处理系统进展学报》中，第2377\u20132385页多标签分类的典型相关分析：最小二乘公式、扩展和分析。IEEE模式分析和机器智能学报，33（1），194\u2013200。“，”journal-title“：”IEEE模式研究和机器智能“}，{“issue”：“3”，“key”：“5782_CR46”，“doi-asserted-by”：“publisher”，“first page”：”617“，“doi”：“10.1109”，TPAMI.2016.2567399“，”volume“：”39“，”author“：”I Takigawa“，”year“2017”，“unstructured”：“”Takigawa，I.和Mamitsuka，H.（2017）。完整子图特征集上线性模型的广义稀疏学习。IEEE模式分析和机器智能学报，39（3），617\u2013624。“，“journal-title”：“IEEE模式研究和机器智能杂志”}，{“key”：“5782_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Teney，D.，Liu，L.，&van den Hengel，A.（2017）。可视化问答的图形结构表示。IEEE计算机视觉和模式识别会议论文集。“，”DOI“：”10.1109\/CVPR.2017.344“}，{“key”：“5782_CR48”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tsochantaridis，I.，Hofmann，T.，Joachims，T.和Altun，Y.（2004）。相互依存和结构化输出空间的支持向量机学习。机器学习国际会议论文集，第823\u2013830页。”，“DOI”：“10.1145\/1015330.1015341“}，{“key”：“5782_CR49”，“doi-asserted-by”：“crossref”，“unstructured”：“Tsoumakas，G.，&Vlahavas，I.（2007）。随机k标签集：多标签分类的集成方法。《欧洲机器学习会议论文集》，第406\u2013417页。斯普林格。“，”DOI“：”10.1007\/978-3-540-74958-5_38“}，{”key“：”5782_CR50“，”unstructured“：”Tsoumakas，G.，Katakis，I.，&Vlahavas，I..（2008）。具有大量标签的域中的有效多标签分类。摘自ECML\/PKDD多维数据挖掘研讨会论文集（第21卷，第53\u201359页）。“}”，{“issue”：“3”，“key”：“”5782_CR51“，”doi-asserted-by“：”publisher“，”first page“：”1“，”doi“：”10.4018\/jdwm.2007070101“，“volume”：“3”，“author”：“G Tsoumakas”，“year”：“2007”，“unstructured”：“Tsoumkas，G.，&Katakis，I.（2007）。多标签分类：概述。《国际数据仓库与挖掘杂志》，3（3），1\u201313.“，”期刊标题“：”国际数据仓库和挖掘杂志“}，{”期刊“：”七月“，”关键词“：”5782_CR52“，”首页“：”2411“，”卷“：”12“，”作者“：”G Tsoumakas“，”年份“：”2011“，”非结构化“：”Tsoumkas，G.，Spyromitros-Xioufis，E.，Vilcek，J.，&Vlahavas，I.（2011）Mulan：一个用于多标签学习的java库。《机器学习研究杂志》，12（Jul），2411\u20132414。“，“Journal-title”：“Journal of Machine Learning Research”}，{“key”：“5782_CR53”，“unstructured”：“Wang，H.，Wang，J.，Wang-J.，Zhao，M.，Zhang，W.，Zhang-F.，et al.（2017）。Graphgan：生成对抗网的图形表示学习。ArXiv预印本ArXiv:1711.08267。”}、{“key”：5782_CR54“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，J.、Yang，Y.、Mao，J.，Huang，Z.、Huang、C.和Xu，W.（2016）。CNN-RNN：多标签图像分类的统一框架。《IEEE计算机视觉和模式识别会议论文集》，第2285\u20132294页。电气与电子工程师协会。“，”DOI“：”10.1109\/CVPR.2016.251“}，{”issue“：”9“，”key“：”5782_CR55“，”DOI-asserted-by“：”publisher“，”first page“：“1901”，“DOI”：“10.1109\/TPAMI.2015.2491929”，“volume”：“38”，“author”：“Y Wei”，“year”：“2016”，“unstructured”：“Wei，Y.，Xia，W.，Lin，M.，Huang，J.，Ni，B.，Dong，J.等人（2016）HCP：一种用于多标签图像分类的灵活的CNN框架。IEEE模式分析与机器智能学报，38（9），1901\u20131907。”，“期刊标题”：“IEEE模式研究与机器智能杂志”}，{“密钥”：“5782_CR56”，“非结构化”：“Xu，K.，Ba，J.，Kiros，R.，Cho，K.、Courville，A.、Salakhudinov，R.等（2015）展示、出席和讲述：用视觉注意力生成神经图像字幕。《机器学习国际会议论文集》，第2048\u20132057页。“}，{“key”：“5782_CR57”，“doi-asserted-by”：“crossref”，“unstructured”：“Yanardag，P.，&Vishwanathan，S.V.N.（2015）。深度图形内核。《第21届ACM SIGKDD国际会议知识发现和数据挖掘论文集》（第1365\u20131374页）.ACM公司。“，”DOI“：”10.1145\/2783258.2783417“}，{“key”：“5782_CR58”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yeh，C.-K.，Wu，W.C.，Ko，W.-J.，&Wang，Y.C.F.（2017）。学习多标签分类的深层潜在空间。《AAAI人工智能会议论文集》，第2838\u20132844页。”，“DOI”：“10.1609\/aaaai.v31i1.10769”}，}，“key“：”5782_CR59“，“非结构化”：“You，J.，Ying，R.，Ren，X.，Hamilton，W.L.，&Leskovec，J.（2018）。Graphrnn：图形的深层生成模型。ArXiv预打印ArXiv:1802.08773。“}，{”key“：”5782_CR60“，”unstructured“：”Zhang，D.，Yin，J.，Zhu，X.，&Zhanng，C.（2017）。网络表征学习：调查。ArXiv预印本ArXiv:1801.05852.“}”，{“issue”：“7”，“key”：“5782_CR 61”，“doi-asserted-by”：“publisher”，“first page”：”2038“，“doi”：“10.1016\/J.patcog.2006.12.019”，“volume”：《40》，“author”：“M-L Zhang”“，”年份“：”2007“，”非结构化“：”Zhang，M.-L.和Zhou，Z.-H.（2007）。ML-KNN：多标签学习的懒惰学习方法。模式识别，40（7），2038\u20132048.“，”日记标题“：”模式识别“}]，”容器标题“：[”机器学习“]，”原始标题“：[]，”语言“：”en“，”链接“：[{”URL“：”http://\/link.springer.com/content\/pdf\/10.1007\/s10994-019-05782-6.pdf“，”内容类型“：”应用程序\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL“：”http://\/link.springer.com/article\/10.1007\/s10994-019-05782-6\/fulltext.html“，”内容类型“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：，“预期应用程序”：“相似性检查“}”，“存放”：{“日期-部分”：[[2022,9,13]]，“日期-时间”：“2022-09-13T15:14:59Z”，“时间戳”：1663082099000}，“分数”：1，“资源”:{“主要”：{“URL”：“http://\/link.springer.com\/10.1007\/s10994-019-05782-6”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期-部分“：[2019,3,8]]}，“references-count”：61，“journal-issue”：{“issue”：“10”，“published-print“：{”date-parts“：[[2019,10]]}}，”alternative-id“：[”5782“]，”URL“：”http://\/dx.doi.org\/10.1007\/s10994-019-05782-6“，”relation“：{}，“ISSN”：[“0885-6125”，“1573-0565：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2019,3,8]]}，“断言”：[{“值”：“2018年4月11日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：在线“，”群“：{”name“：”ArticleHistory“，”label“：”文章历史“}}]}}