基于因果机制识别的图神经网络LLM增强器分析
本研究解决了使用大型语言模型（LLMs）作为图神经网络（GNNs）节点表示优化增强器的基本特性探索不足的问题。通过构建合成图数据集并进行干预实验，我们揭示了LLM增强器与GNN之间的内部机制，并设计了插拔式优化模块以改善二者的信息传递。实验验证了该模块的有效性，为图表示学习提供了新的视角和改进方向。
本研究探讨了大型语言模型（LLMs）在图神经网络（GNNs）中优化节点表示的特性。通过合成图数据集和干预实验，揭示了LLM与GNN的内部机制，并设计了优化模块以提升信息传递，实验结果验证了其有效性，为图表示学习提供了新的视角。
