GraphPL: Imputazione di Modalità Basata su GNN per Apprendimento Patchwork

GraphPL, una tecnica innovativa, combina reti neurali grafiche con apprendimento patchwork per affrontare il problema delle modalità mancanti nell'apprendimento multi-modale distribuito. I metodi esistenti presuppongono tipicamente che i clienti possiedano dati di modalità completa, uno scenario spesso poco pratico. Incorporando tutte le modalità disponibili, GraphPL mantiene la sua efficacia anche con dati rumorosi, stabilendo un nuovo standard nelle valutazioni di benchmark. Le valutazioni condotte su un dataset reale di cartelle cliniche elettroniche distribuite rivelano che GraphPL eccelle nell'estrarre caratteristiche robuste per applicazioni come la previsione di malattie.