None GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks

GP2F方法增强了跨域图神经网络的适应性

作者 PulseAugur 编辑部 · [1 source] · 2026-05-25 04:00

研究人员推出了一种新颖的跨域图提示方法GP2F，旨在提高预训练图神经网络在新任务上的适应性。该方法基于理论分析，表明将预训练知识的冻结分支与轻量级、任务特定的适应性分支相结合，比单独使用任一分支效果更好。GP2F通过对比损失和拓扑一致性损失采用自适应融合，在跨域少样本节点和图分类任务上表现出优越的性能。 AI

影响引入了一种将图神经网络适应不同领域的新技术，有望提高在实际应用中的性能。

排序理由这是一篇详细介绍图神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 · Dongxiao He, Wenxuan Sun, Yongqi Huang, Jitao Zhao, Di Jin · 2026-05-25 04:00

GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks

arXiv:2602.11629v2 Announce Type: replace Abstract: Graph Prompt Learning (GPL) has recently emerged as a promising paradigm for downstream adaptation of pre-trained graph models, mitigating the misalignment between pre-training objectives and downstream tasks. Recently, the focu…

报道来源 [1]

GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks

相关实体

相关话题