محققان در پژوهش جدیدی، مدل «ReDiSC» را برای بهبود طبقهبندی گرهها در گرافها معرفی کردهاند. برخلاف روشهای مرسوم که فرض میکنند برچسبهای گرهها مستقل هستند، این مدل با بهرهگیری از یک «مدل انتشار ماسکدار بازپارامتر شده» (Reparameterized Masked Diffusion)، وابستگیهای ساختاری و همبستگی بین گرهها را به دقت مدلسازی میکند.
این مدل که بر پایه چارچوب EM توسعه یافته، عملکرد فوقالعادهای در گرافهای همگرا (Homophilic) و ناهمگرا (Heterophilic) نشان داده و راهکار جدیدی برای تحلیلهای پیچیده گرافی ارائه میدهد.
منبع: arXiv Machine Learning