SVDformer: Neuer Ansatz für gerichtete Graphen mit SVD und Transformer
In der Welt der Graphenverarbeitung haben gerichtete Graphen seit jeher die komplexen, asymmetrischen Beziehungen in realen Systemen abgebildet. Traditionelle Graph-Neuronale Netzwerke (GNNs) stoßen jedoch an ihre Grenzen, wenn sie gleichzeitig die Richtungssensitivität und die globalen Strukturen erfassen sollen. Der neu veröffentlichte Ansatz SVDformer löst dieses Problem, indem er die Stärken der Singulärwertzerlegung (SVD) mit der Flexibilität von Transformer‑Architekturen kombiniert.
