BriefGPT - AI 论文速递
·
UniGraph：从自然语言中学习跨领域图基础模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了UniGraph框架，使用TAGs训练图基础模型，实现泛化能力。采用级联的LMs和GNNs构建骨干网络，基于MGM的自我监督训练目标，并引入LLMs进行图指令调优，实现零样本预测。实验证明我们的模型在自我监督表示学习、少样本上下文转移和零样本转移方面有效，超越或匹配了受监督训练的GNNs的性能。
🎯
关键要点
-
提出了UniGraph框架，通过使用文本属性图（TAGs）训练图基础模型。
-
实现对未见过的图和任务在不同领域中的泛化能力。
-
采用级联的语言模型（LMs）和图神经网络（GNNs）构建骨干网络。
-
基于掩码图建模（MGM）的自我监督训练目标。
-
引入大型语言模型（LLMs）进行图指令调优，实现零样本预测。
-
实验证明模型在自我监督表示学习、少样本上下文转移和零样本转移方面有效。
-
模型性能超越或匹配了受监督训练的GNNs。
➡️
