一种新方法将图结构转化为适合Transformer的线性token序列，从而提升大语言模型对图关系的理解。研究表明，基于节点中心性和PageRank的线性化方法在图推理任务中表现优异，尤其在节点计数和最大度计算方面。

本文提出了一种新的链接预测模型NCSM，通过在自定义的GNN层中将节点中心性和相似性度量作为边特征进行唯一的集成，有效地利用大型网络的拓扑信息。该模型在五个基准图数据集上表现更好，归功于对节点中心性、相似性度量的创新整合和对拓扑信息的高效利用。