- 博客(143)
- 收藏
- 关注
RSS订阅原创 Large-Scale Spectral Graph Neural Networks via Laplacian Sparsification: Technical Report
KDD25推荐指数：#paper/⭐⭐#。
2025-03-12 17:22:42
969
原创 DIRECTIONAL MESSAGE PASSING FOR MOLECULAR GRAPHS
对于每个原子i和邻居j，通过在每个临近原子的方向上应用相同的学习过滤器（与等变CNN相反，它的过滤器是固定的，全局的方向）。此外，消息嵌入的本质是对原子对的嵌入，正如更高级的Weisfeiler-Lehman同类测试已经证明了更强大的GNN所使用的样子。扩展GNN来直接对其进行建模并不简单，因为GNN仅依赖于成对距离，这确保了它们对分子的平移、旋转和倒置的不变性，而这些都是重要的物理要求。通过经验发现，这种基表示比原始的角度提供了更好的感性偏差，注意，使用原子距离和角度，模型变得不受旋转的影响。
2025-03-11 17:45:17
268
原创 Graph RAG
微软公司局限：传统方法的RAG只能获得局部信息，无法获得全局知识现有的查询聚焦于摘要QFS方法，只能处理少量文本，无法扩展到大量文本。
2025-03-10 12:56:12
352
原创 Text-space Graph Foundation Models: Comprehensive Benchmarks and New Insights
Neurips24推荐指数：#paper/⭐⭐⭐#动机：对于不同的GFM统一评估，并使用更多的数据集，得到了更多的insights。
2025-03-09 17:16:51
264
原创 Unifying Homophily and Heterophily for Spectral Graph Neural Networks via Triple Filter Ensembles
Neurips24#paper/⭐⭐# #paper/异配图#给二的原因是更早的polygcl(ICLR24)已经在对比学习上使用了。
2025-03-08 16:54:47
610
原创 SchNet: A continuous-filter convolutional neural network for modeling quantum interactions
dij∥ri−rj∥dij∥ri−rj∥如果直接用这个，会让模型过快的拟合。ekri−rjexp−γ∥dij−μk∥2ekri−rjexp−γ∥dij−μk∥2这个距离被注入CFconv。
2025-03-06 10:58:30
579
原创 WelQrate: Defining the Gold Standard in Small Molecule Drug Discovery Benchmarking
Neurips24#paper/⭐⭐⭐# #paper/dataset#Neurips24#paper/Molecular# #paper/dataset#数据集地址：http://www.welqrate.org/涵盖5类治疗靶点的9个高质量数据集质量控制：数据表征：支持2D/3D分子表示（如3D构象生成增强空间信息捕捉）评价指标：综合AUROC、富集因子（EF）、BEDROC，兼顾排序与早期识别能力。数据分割策略：揭示关键发现：数据质量对模型性能影响显著（优质数据可使指标提升18-36%）3
2025-03-05 21:02:01
938
原创 ONE FOR ALL: TOWARDS TRAINING ONE GRAPH MODEL FOR ALL CLASSIFICATION TASKS
本文提出了首个通用图学习框架OFA（One for All），旨在通过单一模型解决图学习领域的三大核心挑战：跨领域数据异构性、多任务差异性和提示学习范式缺失。该框架的创新性体现在三个方面：（1）采用文本属性图统一异构数据，通过自然语言描述节点和边特征，利用语言模型将跨领域文本映射到统一嵌入空间；（2）提出"目标节点"概念标准化节点/边/图级别的多任务表示，实现任务形式统一化；（3）创新性设计图提示机制，通过在输入图中添加特定提示子结构（如虚拟节点/边）实现情境学习。
2025-03-05 17:03:33
553
原创 GPPT: Graph Pre-training and Prompt Tuning to Generalize Graph Neural Networks
KDD22推荐指数：#paper/⭐⭐#。
2025-03-04 21:03:36
999
原创 Non-Homophilic Graph Pre-Training and Prompt Learning
KDD25目的：对异配图进行prompt。
2025-03-04 10:06:06
867
原创 Self-Pro: A Self-Prompt and Tuning Framework for Graph Neural Networks
注意：这篇文章是每个图一个GCN模型，而不是所有图一个GCN 模型算是最早的涉及异配图的prompt了。
2025-03-03 21:07:01
931
原创 Replay-and-Forget-Free Graph Class-Incremental Learning: A Task Profiling and Prompting Approach
每个任务。
2025-03-03 18:30:17
944
原创 Its All Graph To Me: Foundational Topology Models with Contrastive Learning on Multiple Domains
Neurips 23。
2025-03-02 18:12:52
563
原创 All in One and One for All: A Simple yet Effective Method towards Cross-domain Graph Pretraining
协调器是一种。
2025-03-01 22:08:31
1019
1
原创 Towards Graph Foundation Models: A Survey and Beyond
数据与评估挑战数据数量与质量数据稀缺性：当前开源的大规模图数据有限且多集中于单一领域（如社交网络、分子结构），缺乏跨领域的统一数据集，限制了图基础模型（GFM）的泛化能力。数据质量缺陷：噪声数据、不完整图结构或低质量标注会显著降低模型性能。现有数据增强技术（如图结构学习、特征补全）主要针对传统GNN，需探索适配LLM或GNN+LLM混合模型的增强策略。解决方案方向。
2025-02-28 21:19:31
605
原创 TEG-DB: A Comprehensive Dataset and Benchmark of Textual-Edge Graphs
模型选择与数据特性强相关最优模型因数据集而异边文本的不可替代性纠缠式编码可以提升模型性能PLM规模与性能正相关LLM直接预测的局限性(对图结构的理解能力不足)。改进方向是需要结合图神经网络或涉及图感知的LLM微调策略，来融合文本语意总结：TEG任务的成功依赖于语义与结构的联合建模。设计更高效的纠缠式编码架构；探索轻量化PLM与GNN的融合方法；开发图结构感知的LLM微调技术。。
2025-02-25 14:13:08
595
原创 Pretraining Language Models with Text-Attributed Heterogeneous Graphs
GVEURXGVEURX，依次分别代表：节点属性，边，节点类型，边类型，节点文本描述。
2025-02-24 21:23:12
1232
原创 Augmenting Low-Resource Text Classification with Graph-Grounded Pre-training and Prompting
除了文本-节点交互之外，我们还进一步利用图上的更高级交互。特别是，每个文档都有一组由图布局定义的相邻文档。鉴于相邻文档之间的语义相关性，相邻文档可以被理解为目标文档的摘要。例如，在电子商务网络上，用户购买的产品自然地描绘了用户的摘要，反之亦然。si1∣Ni∣∑j∈Nitjsi∣Ni∣1∑j∈NitjS就表示文本的总结嵌入,我们只采样固定邻居数的文档来生成摘要向量。
2025-02-24 13:41:31
856
原创 LEARNING ON LARGE-SCALE TEXT-ATTRIBUTED GRAPHS VIA VARIATIONAL INFERENCE
在这部分内容中，文章详细阐述了GLEM方法中使用的两种分布——qqq和ppp的参数化过程，以及它们如何用于节点标签分布的建模和优化。
2025-02-23 18:35:07
667
原创 TextGNN: Improving Text Encoder via Graph Neural Network in Sponsored Search
WWW21有点偏工业界风格的paper这篇文章的核心内容是介绍了一种名为TextGNN的模型，它通过结合图神经网络（GNN）和文本编码器来提高在赞助搜索中的广告相关性预测性能。文章详细阐述了TextGNN的设计、实现和评估过程，并展示了其在离线实验和在线A/B测试中的显著性能提升。
2025-02-22 16:28:16
435
原创 GEAR: Graph-based Evidence Aggregating and Reasoning for Fact Verification
ACL19推荐指数： #paper/⭐# 太久远了。
2025-02-22 16:27:39
979
原创 EDGEFORMERS: GRAPH-EMPOWERED TRANSFORMERS FOR REPRESENTATION LEARNING ON TEXTUALEDGE NETWORKS
ICLR23推荐指数： #paper/⭐⭐⭐#读了这一篇后发现，Pre-Training and Prompting for Few-Shot Node Classification on Text-Attributed Graphs这篇文章主要的思想来源于本篇文章，那篇文章有些读不懂的东西迎刃而解。
2025-02-21 21:24:34
337
原创 IS GRAPH CONVOLUTION ALWAYS BENEFICIAL FOR EVERY FEATURE?
推荐指数：#paper/⭐⭐⭐#贡献：提出了一种有监督指标TFI，其可以区分 GNN-favored以及GNN-disfavored的特征。对于favored，使用GCN来处理，disfavored，用MLP处理。
2025-02-21 19:40:12
552
原创 GraphFormers: GNN-nested Transformers for Representation Learning on Textual Graph
Neurips21推荐指数：#paper/⭐⭐#（太早，但是又经典)动机：以前的text-based graph 往往采取级联的结构，这种处理中，GNN语义并没有很好的和transformer结合在一起。因此，我们提出了并联式的text-based graph transformer.。
2025-02-19 21:46:25
479
原创 Heterformer: Transformer-based Deep Node Representation Learning on Heterogeneous Text-Rich Networks
KDD23。
2025-02-18 22:05:35
883
原创 Pre-Training and Prompting for Few-Shot Node Classification on Text-Attributed Graphs
KDD24推荐指数：#paper/⭐⭐⭐#通信老师：唐杰(真强组)对于 TAG，传统的 few-shot 节点分类方法直接对预处理后的节点特征进行训练，不考虑原始文本。性能在很大程度上取决于特征预处理方法的选择。贡献：本文提出面向文本属性图(TAG)少样本节点分类的预训练-提示学习框架，其核心创新体现在双阶段协同架构和异构信息融合范式：1. 预训练阶段通过双模型联合自监督学习实现语言模型(LM)与图神经网络(GNN)的深度耦合：2. 提示学习阶段设计双通道提示对齐机制解决预训练与下游任务差异：该方
2025-02-12 22:39:46
859
原创 Text-Attributed Graph Representation Learning: Methods, Applications, and Challenges
这是一个文本图的tutorial文章。论文的细节很少，演讲中的内容比较丰富。讲稿的内容已经足够清晰了。
2025-02-11 17:58:21
136
原创 Spectral Heterogeneous Graph Convolutions via Positive Noncommutative Polynomials
这篇文章的贡献，在于摒弃了元路径，使用了光谱的阶数来取而代之。是一个很有意思的实验。。
2025-02-10 20:54:21
1004
原创 Multi-Scale Heterogeneous Text-Attributed Graph Datasets From Diverse Domains 对比方法
这些都是比较基础的方法。本文主要回顾hi(l+1)=σ(∑r∈R∑j∈Nir1ci,rWr(l)hj(l)+W0(l)hi(l))h_i^{(l+1)}=\sigma\left(\sum_{r\in\mathcal{R}}\sum_{j\in\mathcal{N}_i^r}\frac{1}{c_{i,r}}W_r^{(l)}h_j^{(l)}+W_0^{(l)}h_i^{(l)}\right)hi(l+1)=σ(∑r∈R∑j∈Nirci,r1Wr(l)hj(l)+W0(l)hi(l))这
2025-02-09 19:30:31
597
原创 A Comprehensive Study on Text-attributed Graphs: Benchmarking and Rethinking
Neurips23推荐指数： #paper/⭐⭐⭐#。
2025-02-07 21:39:55
788
原创 Multimodal Attributed Graphs: Benchmarking and Rethinking
数据集和代码的可获取性：缺乏在匿名GitHub上的数据集和代码，限制了结果的可重复性。无监督任务的缺失：未包含重要的无监督任务，如节点聚类和图级聚类，且缺少对这些主题的全面调查。数据集的可扩展性：数据集规模有限，尤其是与现有的大型图形基准测试（如ogbn-papers100M，包含约1亿个节点）相比。分析的相关性：现有分析与提出的基准测试相关性不足，建议进行更多关于数据分布、稳定性、可扩展性和噪声等方面的分析。与现有多模态图数据集的差异。
2025-02-07 18:16:47
380
原创 TGB 2.0: A Benchmark for Learning on Temporal Knowledge Graphs and Heterogeneous Graphs
本文介绍了TGB 2.0，一个基于时间图基准（TGB）构建的新的评估基准，旨在提供可重复、现实且稳健的多关系时间图（TKG）评估。TGB 2.0新增了四个TKG数据集和四个THG数据集，数据集规模大、统计特征多样。TGB 2.0聚焦于动态链接属性预测任务，并提供了自动化流程来支持数据集下载、处理和方法评估。实验表明，现有方法在处理大规模数据集时存在扩展性问题，且启发式方法在某些任务上取得了竞争力的结果，突显了当前方法的改进空间。
2025-02-06 18:29:23
692
原创 UNI-MOL: A UNIVERSAL 3D MOLECULAR REPRESENTATION LEARNING FRAMEWORK
如图 2 所示，Uni-Mol 主干是基于 Transformer 的模型。它有两个输入，原子类型和原子坐标。模型中维护了两种表示形式（atom 和 pair）。原子表示由 Embedding 层从 atom 类型初始化;对表示由原子坐标计算的不变空间位置编码初始化。特别是，基于原子之间的成对欧几里得距离，对表示对全局旋转和平移是不变的。这两种表示在 self-attention 模块中相互通信。
2025-02-05 21:58:55
831
原创 S-MolSearch: 3D Semi-supervised Contrastive Learning for Bioactive Molecule Search
发表于：Neurips24推荐指数：#paper/⭐⭐⭐#作者团队：zheweiwei老师团队(后续会不断地追随zheweiwei老师的其他的工作)中文讲座：动机：在3D分子推荐中，标签是匮乏的。那么，如何使用有限的标签来更好的对其进行预测，本文就涉及到这个问题。如图所示，是作者提出的分子图框架。
2025-02-04 19:45:10
845
原创 Multi-Scale Heterogeneous Text-Attributed Graph Datasets From Diverse Domains
WWW25推荐指数：#paper/⭐⭐⭐#一句话总结：提出了涵盖多个领域的异构图文本属性图。
2025-02-04 15:31:28
459
空空如也
markdown publish bug
2024-07-21
出现土拍上传失败的问题
2024-06-23
TA创建的收藏夹 TA关注的收藏夹
TA关注的人