「图结构学习」新思路！港大等提出GraphEdit模型：用LLM删除噪声边，全局理解节点间依赖关系

AIGC动态欢迎阅读

原标题：「图结构学习」新思路！港大等提出GraphEdit模型：用LLM删除噪声边，全局理解节点间依赖关系
关键字：节点,结构,数据,模型,噪声
文章来源：新智元
内容字数：12786字

内容摘要：

新智元报道编辑：LRS
【新智元导读】GraphEdit方法可以有效地去除图网络中的噪声连接，还能从全局视角识别节点间的依赖关系，在不同的实验设置中都被验证为有效且稳健。图结构学习（Graph Structure Learning, GSL）旨在通过生成新的图结构来捕捉图结构数据中节点之间的内在依赖性和交互关系。
图神经网络（Graph Neural Networks, GNNs）作为一种有前景的GSL解决方案，通过递归消息传递来编码节点间的相互依赖性。然而，许多现有的GSL方法过度依赖于作为监督信号的显式图结构信息，使它们容易受到数据噪声和稀疏性的挑战。
在这项工作中，研究人员提出了GraphEdit方法，该方法利用大型语言模型（Large Language Models, LLMs）来学习图形结构数据中复杂的节点关系。
论文链接：https://arxiv.org/abs/2402.15183
代码链接：https://github.com/HKUDS/GraphEdit
通过对大型语言模型进行图结构指令调优以增强其推理能力，旨在克服显式图结构信息相关的限制，并提高图结构学习的可

原文链接：「图结构学习」新思路！港大等提出GraphEdit模型：用LLM删除噪声边，全局理解节点间依赖关系