研究人员开发了 PromptGNN-sim，一个旨在通过实现图神经网络（GNN）和大型语言模型（LLM）之间更深层次的交互来增强文本属性图学习的新框架。与先前将文本和结构分开处理的方法不同，PromptGNN-sim 采用双向融合方法。它使用图注意力网络（GAT）进行语义感知的邻域选择，并为 LLM 生成结构感知的提示。通过双向跨模态对比学习和交叉注意力，该框架联合优化 GNN 和 LLM 组件，在各种数据集和挑战性条件下均表现出卓越的性能。 AI
影响 通过实现 GNN 和 LLM 之间更深入的协作来增强图学习，有望提高涉及文本属性图的任务的性能。
排序理由 该条目描述了一篇提出新图学习框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Cora
- Graph Attention Network
- Graph Neural Networks
- Large Language Models
- PromptGNN-sim
- Pubmed
- Text-Attributed Graphs
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
