BriefGPT - AI 论文速递
·
朝向图基础模型：从零样本推理的视角看知识图谱
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
ZeroG是一个新框架，将零样本迁移学习应用于图领域，实现数据集间的泛化。它通过语言模型编码节点属性和类别语义，确保特征维度一致，并使用提示的子图采样模块丰富信息。轻量级微调策略降低过拟合风险，保持零样本学习能力。ZeroG在跨数据集零样本迁移中表现优异，尤其在Pubmed数据集上效果接近半监督学习。
🎯
关键要点
-
ZeroG是一个新的框架，将零样本迁移学习应用于图领域。
-
ZeroG旨在实现数据集间的泛化，解决特征不对齐、标签空间不匹配和负迁移等挑战。
-
通过语言模型编码节点属性和类别语义，确保特征维度一致。
-
使用基于提示的子图采样模块丰富提取的子图的语义和结构信息。
-
采用轻量级微调策略降低过拟合风险，保持零样本学习能力。
-
ZeroG在跨数据集零样本迁移中表现优异，特别是在Pubmed数据集上效果接近半监督学习。
➡️
