标签
本文提出了一种多粒度超图表示学习（MGHRL）框架，该框架利用粒球分割自适应地生成多粒度超边，以捕捉图中的高阶关系，在基准数据集上优于基线模型。
SemHash-LLM是一个多粒度语义哈希框架，结合了投影哈希、注意力加权MinHash、对比学习以及选择性LLM裁决，实现高效鲁棒的大规模文档去重。
提出了一种多粒度推理网络（MGRN），该网络显式利用层次语义特征进行自然语言推断，在多个基准测试中优于强基线模型。