PulseAugur
中
实时 05:52:33
English(EN) OpenRTAG: A Comprehensive Benchmark for Robust Text-Attributed Graph Learning under Data Quality Degradation

新基准OpenRTAG评估数据退化下的图学习模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出OpenRTAG，一个旨在评估文本属性图学习模型鲁棒性的新基准。该基准解决了现实世界图中数据质量下降的常见问题，这种下降可能表现为文本、结构和标签的稀疏性、噪声和不平衡。OpenRTAG提供了一个标准化的框架，用于评估模型在九个数据集和三个下游任务上的性能，有助于更好地理解包括传统GNN和LLM-GNN在内的各种图学习模型如何处理这些不完善之处。 AI

影响 为在现实世界不完善数据条件下提高图学习模型的可靠性提供了一个标准化的评估框架。

排序理由 该集群包含一篇介绍AI研究特定领域新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新基准OpenRTAG评估数据退化下的图学习模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yuze Dai, Zhihan Zhang, Yan Zhao, Ruoyu Wu, Xunkai Li, Zekai Chen, Qiangqiang Dai, Hongchao Qin, Ronghua Li ·

    OpenRTAG：数据质量下降下鲁棒文本归因图学习的综合基准

    arXiv:2607.19108v1 Announce Type: new Abstract: Text-attributed graphs (TAGs) are an important graph data form that combine relational structure with rich node text. However, real-world TAGs are often imperfect, with quality issues arising from text, structure, and labels, and ty…

相关实体

相关话题