研究人员开发了CHoE，一种用于跨域异构图提示学习的新颖方法。该方法利用结构条件专家和路由机制，在数据有限的情况下将预训练模型适应到新领域。CHoE旨在克服现有方法在预训练和下游任务之间数据分布发生变化时表现不佳的局限性。实验证明了CHoE在少样本跨域场景中的有效性，优于基线技术。 AI
影响 引入了一种新技术，以提高图学习模型在不同数据域之间的适应性。
排序理由 详细介绍异构图提示学习新方法的学术论文。[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 →
Heterogeneous Graph Prompt Learning (HGPL)has emerged as a promising paradigm for bridging the gap between the objectives of pre-training foundation models and their downstream applications in heterogeneous graph settings. However, existing HGPL methods are primarily designed for…