PulseAugur
中
实时 15:12:07
English(EN) GraspLLM: Towards Zero-Shot Generalization on Text-Attributed Graphs with LLMs

GraspLLM框架增强了LLM在文本属性图上的泛化能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了GraspLLM，一个旨在提高大型语言模型（LLMs）在文本属性图（TAGs）上应用时的泛化能力的新框架。该框架整合了图结构理解和LLM语义理解，以提高在不同数据集和任务上的性能，特别是在零样本场景下。GraspLLM通过在统一语义空间中表示节点文本，通过对比学习提取数据集无关的结构信息，并将相关子图与LLM的token空间对齐来实现这一点。实验表明，GraspLLM在TAGs上的表现优于现有的基于LLM的方法。 AI

影响 增强了LLM分析复杂、互联数据的能力，有可能改进社交网络和科学文献等领域的应用。

排序理由 该集群包含一篇研究论文，详细介绍了用于提高LLM在文本属性图上性能的新框架。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Hengyi Feng, Zeang Sheng, Meiyi Qiang, Meiyi Qiang, Wentao Zhang ·

    GraspLLM: Towards Zero-Shot Generalization on Text-Attributed Graphs with LLMs

    arXiv:2606.11898v1 Announce Type: new Abstract: Research on Text-Attributed Graphs (TAGs) has gained significant attention recently due to its broad applications across various real-world data scenarios, such as citation networks, e-commerce platforms, social media, and web pages…

  2. arXiv cs.CL TIER_1 English(EN) · Wentao Zhang ·

    GraspLLM：迈向基于LLM的文本属性图零样本泛化

    Research on Text-Attributed Graphs (TAGs) has gained significant attention recently due to its broad applications across various real-world data scenarios, such as citation networks, e-commerce platforms, social media, and web pages. Inspired by the remarkable semantic understand…

相关实体

相关话题