GraphBridge：朝着GNN中的任意迁移学习迈进

本研究针对图神经网络（GNNs）在不同任务和领域间知识迁移的难题，提出了GraphBridge框架，避免了对任务配置或图结构的修改。该框架通过将预训练GNN与预测头和桥接网络相结合，有效解决了负向迁移问题，并在16个数据集的实验验证中显示出出色的任务和领域无关的迁移学习能力，标志着GNN领域的重要进步。