GraphLoRA: 结构感知的对比低秩适应用于跨图迁移学习
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了图神经网络在跨图迁移学习中的适应性不足问题，提出了一种新的结构感知最大均值差异（SMMD）方法，以协调源图和目标图节点特征分布的差异。同时，引入低秩适应措施，通过注入小型可训练的GNN来增强模型的转移能力。实验结果表明，GraphLoRA在仅调整20%参数的情况下，能够有效应对不同图域之间的迁移挑战。
本研究提出了一种结构感知最大均值差异（SMMD）方法，解决图神经网络在跨图迁移学习中的适应性问题。通过引入低秩适应和小型可训练GNN，增强模型的迁移能力。实验表明，GraphLoRA在仅调整20%参数时，能有效应对不同图域的迁移挑战。
