首次攻克「图基础模型」三大难题！港大开源OpenGraph：零样本学习适配多种下游任

AIGC动态欢迎阅读

原标题：首次攻克「图基础模型」三大难题！港大开源OpenGraph：零样本学习适配多种下游任
关键字：节点,数据,模型,表征,拓扑
文章来源：新智元
内容字数：20485字

内容摘要：

新智元报道编辑：LRS
【新智元导读】港大发布通用图基座模型OpenGraph，巧妙从LLM中蒸馏零样本图泛化能力。图学习（Graph Learning）技术能够对复杂的关系数据进行挖掘和学习，在推荐系统、社交网络分析、引用网络和交通网络等多个领域都显示出了巨大的应用价值。
图神经网络（Graph Neural Networks, GNNs）基于迭代的消息传递机制，能够捕捉图结构数据中的复杂高阶关系，在各类图学习应用场景中取得了巨大的成功。
通常，这种端到端的图神经网络需要大量、高质量的标注数据才能获得较好的训练效果。
近年来，一些工作提出图模型的预训练-微调（Pre-training and Fine-tuning）模式，使用各种自监督学习任务在无标注的图数据上首先进行预训练，再在少量标注数据上进行微调，以对抗监督信号不足的问题。这里的自监督学习任务包括对比学习、掩码重建、局部全局互信息最大化等方法。
尽管这种预训练方法取得了一定的成功，但他们的泛化能力较为有限，特别是当预训练和下游任务出现分布偏移（Distribution Shift）时。
例如在推荐系统中，预训练模型使用较早时

原文链接：首次攻克「图基础模型」三大难题！港大开源OpenGraph：零样本学习适配多种下游任