港大开源图基础大模型OpenGraph: 强泛化能力，前向传播预测全新数据

AIGC动态欢迎阅读

原标题：港大开源图基础大模型OpenGraph: 强泛化能力，前向传播预测全新数据
关键字：数据,模型,节点,性能,团队
文章来源：量子位
内容字数：7339字

内容摘要：

OpenGraph 投稿向凹非寺量子位 | 公众号 QbitAI图学习领域的数据问题，又有能缓解的新花活了！
OpenGraph，一个基于图的基础模型，专门用于在多种图数据集上进行零样本预测。
背后是港大数据智能实验室的主任Chao Huang团队，他们还针对图模型提出了提示调整技术，以提高模型对新任务的适应性。
目前，这项工作已经挂上了GitHub。
据介绍，这项工作主要深入探讨增强图模型泛化能力的策略（特别是在训练和测试数据存在显著差异时）。
而OpenGraph旨在通过学习通用的图结构模式，并仅通过前向传播进行预测，实现对全新数据的零样本预测。
为了实现目标，团队解决了以下3点挑战：
数据集间的token差异：不同图数据集常有不同的图token集，我们需要模型能够跨数据集进行预测。
节点关系建模：在构建通用图模型时，有效地建模节点关系至关重要，这关系到模型的扩展性和效率。
数据稀缺：面对数据获取的难题，我们通过大型语言模型进行数据增强，以模拟复杂的图结构关系，提升模型训练质量。
通过一系列创新方法，如拓扑感知的图Tokenizer和基于锚点的图Transformer，Ope

原文链接：港大开源图基础大模型OpenGraph: 强泛化能力，前向传播预测全新数据