Federated graph learning

PRISM框架解决了联邦图学习中的模态缺失问题

研究人员推出PRISM，一个新颖的联邦图学习框架，用于解决跨不同客户端的模态缺失挑战。PRISM能够从包含文本和图像的去中心化图中进行协作学习，即使单个客户端缺乏完整的多模态数据。该框架通过拓扑感知控制，主动地从联邦中检索并填充缺失的模态语义，并将其整合到本地图传播中。实验证明了PRISM的有效性，在六个多模态图数据集上，平均比最先进的基线提高了4.48%。