从结构角度提升图基础模型
原文中文，约300字，阅读约需1分钟。发表于：。通过构建虚拟超节点以统一不同领域图形数据的结构特征，并采用对比学习进行预训练目标，本研究提出了一种基于结构角度的图基础模型 BooG，它在各种数据集和任务上展现出卓越的性能。
UniGraph框架通过使用TAGs训练图基础模型，实现了对未见过的图和任务的泛化能力。该方法采用级联的LMs和GNNs构建骨干网络，以及基于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。实验证明该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。
