研究人员推出GLIP，一个新颖的预训练框架，旨在通过与大型语言模型（LLM）集成来提高图神经网络（GNN）在图级任务上的性能。与之前关注节点或边任务且在预训练中排除LLM的方法不同，GLIP通过执行图增强和采用多令牌选择策略来识别信息结构和特征块，从而解决标签稀缺问题。该框架使用基于扩散的投影仪来丰富这些块的上下文信息，并通过对比损失将LLM的语义判断与结构信息对齐的联合目标。实验表明，GLIP在有限标记数据微调后，在图级分类和推理任务上的表现显著优于现有方法。 AI
影响 这项研究可能带来更强大的AI系统，用于分析金融和生物医学等领域的复杂关系数据。
排序理由 该集群包含一篇详细介绍图级任务新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
