用于少样本分子属性预测的alpha-Graphormer
刘渊
贵州财经大学信息学院 贵州贵阳 550025
摘要：Graphormer是一个强有力的图表示学习模型,其在多个图表示学习任务上取得了显著成果.一个简单的对照实验显示在Graphormer中图的结构信息比自注意力更加重要.基于这个发现,提出了简化Graphormer模型alpha-Graphormer.通过在Graphormer的注意力机制中引入一个缩放因子,使得模型能够对图结构信息和自注意力赋予不同的关注度.在少样本分子属性预测数据集Tox21上的实验表明,提出的alpha-Graphormer在该数据集上获得了1.5％的auroc提升.
关键词：Graphormer分子属性预测图结构信息注意力机制缩放因子
资助基金：贵州财经大学在校学生科学研究项目(2021ZXSY116)
论文发表日期：2022-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 15-18 )