Gated Graph Sequence Neural Networks

• 类型：arxiv
• 标识：1511.05493
• 链接：https://arxiv.org/abs/1511.05493
• 主题：risk
• 主分类：llm-infra
• 形态：method
• 被引：3670
• 被引来源：Semantic Scholar
• S2被引：3670
• OpenAlex被引：447
• 影响力被引：388
• TLDR：This work studies feature learning techniques for graph-structured inputs and achieves state-of-the-art performance on a problem from program verification, in which subgraphs need to be matched to abstract data structures.
• OpenAlex ID：W2244807774
• OpenAlex DOI：10.48550/arxiv.1511.05493
• DOI：10.48550/arxiv.1511.05493
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1511.05493
• OpenAlex更新：2026-08-20
• 待LLM分类：否
• 成熟度：production
• 场景：图神经网络、序列建模
• 标题中文：门控图序列神经网络
• TLDR中文：本工作研究图结构输入的特征学习技术，并在程序验证任务上取得 SOTA 性能，该任务需将子图与抽象数据结构进行匹配。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]