{“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”：[[2024,9,20]]，“日期-时间”：“2024-09-20T16:32:53Z”，“时间戳”：1726849973341}，“引用-计数”：0，“发布者”：“人工智能发展协会（AAAI）”，“问题”：“01”，“许可证”：[{“开始”：{'日期-部件“：[[2019,7]]，“日期-时间”：“2019-07-17T00:00:00Z”，“timestamp”：1563321600000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“https:\\/www.aaai.org”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”short-container-title“：[”aaai“]，“abstract”：“本文提出了一种用于数据表示学习的超图神经网络（HGNN）框架，它可以在超图结构中对高阶数据相关性进行编码。面对实际中复杂数据的学习表示的挑战，我们建议将这种数据结构合并到超图中，这在数据建模上更灵活，尤其是在处理复杂数据时。在该方法中，设计了一种超边缘卷积运算来处理表示学习过程中的数据相关性。通过这种方式，可以有效地使用超边卷积操作执行传统超图学习过程。HGNN能够学习考虑高阶数据结构的隐层表示，这是一个考虑复杂数据相关性的通用框架。我们对引文网络分类和视觉对象识别任务进行了实验，并将HGNN与图卷积网络和其他传统方法进行了比较。实验结果表明，所提出的HGNN方法优于最新的方法。我们还可以从结果中看出，与现有方法相比，所提出的HGNN在处理多模态数据时具有更好的性能<\/jats:p>“，”DOI“：”10.1609\/aaai.v33i01.33013558“，”type“：”journal-article“，”created“：{”date-parts“：[[2019,9,6]]，”date-time“：”2019-09-06T07:44:45Z“，”timestamp“：1567755885000}，“page”：“3558-3565”，“source”：”Crossref“，”is-referenced-by-count“：657，“title”：[“Hypergraph Neural Networks”]，“prefix”：“10.1609”，“卷”：“33”，“作者”：[{“给定”：“一番”，“家族”：“冯“，”sequence“：”first“，”affiliation“：[]}，”{“given”：“郝轩”，”family“：”You“，“sequence”：“additional”，“affiliance”：[]{“给定”：“子钊”，“family”：“Zhang”，“se序列”：“附加”，“从属关系”：[]}，“给定的”：“荣荣荣”，“家族”：“吉”，“序列”：”additional“，”filiation：“附加”，“从属关系”：[]}]，“成员”：“9382”，“在线发布”：{“日期部分”：[[2019,7.17]]}，“容器标题”：[“AAAI人工智能会议记录”]，“原始标题”：[]，“链接”：[{“URL”：“https://\/ojs.AAAI.org/index.php\/AAAI\/article\/download\/4235\/4113”，“内容类型”：“应用程序\/pdf”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”}，{“URL”：“https:\/\/ojs.aaai.org\/index.php\/aaai\/article\/download\/4235\/4113”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部件”：[2022,11,7]]，“日期-时间”：“2022-11-07T07:07:21Z”，“时间戳”：1667804841000}，“分数”：1，“资源”：{“主要：{“URL”：“https:\/\/ojs.aaai.org\/index.php\/aaai\/aarticle\/view\/4235”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[[2019,7,17]]}，”引用计数“：0，”日志发布“：{”问题“：“01”，“在线发布”：“日期部分“：[2019,7,23]}}”，“URL”：“http://\/dx.doi.doi org \/10.10609 \/aaai.v33i01.33013558“，”关系“：{}，”ISSN“：[”2374-3468“，”2159-5399“]，“issn-type”：[{“value”：“2374-3468”，“type”:“electronic”}，{“value”：“2159-5399”，“type”：“print”}]，“subject”：[]，“published”：{“date-parts”：[[2019,7,17]]}}}