图变换器概览：架构、理论与应用

《ACM Computing Surveys》：A Survey of Graph Transformers: Architectures, Theories and Applications

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

图变换器在建模图结构方面展现出强大能力，它解决了图神经网络存在的过度平滑和过度压缩等固有问题。近期研究提出了多种架构、提升了可解释性，并探索了图变换器的实际应用场景。鉴于这些快速发展，我们对图变换器进行了全面综述，涵盖了其架构、理论基础和应用领域等方面。在综述中，我们首先根据处理结构信息的策略对图变换器架构进行分类，包括图令牌化、位置编码、结构感知注意力以及模型集成等方法。从理论层面来看，我们分析了不同架构下图变换器的表达能力，并将其与其他先进的图学习算法进行比较，以揭示它们之间的关联。在应用方面，我们按照关系型、几何型、动态型和异构型四种图组织形式对相关文献进行了整理。随后还提供了一个实用指南表格，根据各架构组件的使用频率将其与这些图形式对应起来，以便从业者为特定输入结构选择合适的设计方案。最后，我们讨论了图变换器当前面临的挑战以及未来可能的研究方向。

AI总结

AI生成的总结（实验性）

该总结是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章相关性，以及让相关领域的读者更好地理解这篇论文。该总结是对作者提供的摘要的补充，而作者提供的摘要仍是论文的主要总结内容。完整文章才是最具权威性的版本。点击此处了解更多。

点击此处，可以对该总结的准确性、清晰度和实用性发表意见。您的反馈将有助于改进未来的总结版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。