English(EN) Handling Feature Heterogeneity with Learnable Graph Patches

新方法使用可学习图块进行通用预训练模型

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-16 08:29

研究人员提出了一种新颖的方法来解决图数据中的特征异质性问题，这一问题限制了图模型的迁移能力。所提出的方法，称为可学习图块，将图分解为其最小的语义单元。设计了一个框架，使用图块编码器从这些图块中提取知识，然后将其与图块聚合器结合，从而实现领域无关的预训练并提高各种下游任务的性能。 AI

影响这项研究可以实现更通用和可迁移的图基础模型，从而提高在不同数据集和任务上的性能。

排序理由该集群包含一篇描述图预训练新方法的学术论文。

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]

arXiv cs.AI TIER_1 English(EN) · Yifei Sun, Yang Yang, Xiao Feng, Zijun Wang, Haoyang Zhong, Chunping Wang, Lei Chen · 2026-06-17 04:00

使用可学习图块处理特征异质性

arXiv:2606.17667v1 Announce Type: cross Abstract: In recent years, the rapid development of foundation models and graph pre-training technologies has spurred increasing interest in constructing a universal pre-trained graph model or Graph Foundation Model (GFM). However, a signif…
arXiv cs.LG TIER_1 English(EN) · Lei Chen · 2026-06-16 08:29

使用可学习图块处理特征异质性

In recent years, the rapid development of foundation models and graph pre-training technologies has spurred increasing interest in constructing a universal pre-trained graph model or Graph Foundation Model (GFM). However, a significant challenge is that existing models are unable…