一、背景推荐系统中存在数据稀疏性和冷启动问题,对准确有效地建模用户兴趣设置障碍。跨域推荐是其中一种合适的解决上述挑战的方向,即通过迁移学习技术将知识从信息性推荐场景(源领域)转移到具有稀疏交互的场景(...
GMoE| 大模型优化密钥:GMoE 用图神经网络破解 MoE「冷热失衡」
大模型微调新范式!GMoE 如何用 GNN 重构大模型 MoE 的负载均衡体系?个研究摘要:作为大模型领域首个融合图神经网络(GNN)的MoE优化框架,北邮百家AI团队为专家系统搭建「MoE协作网络」...
ICML 2025 | 经典GNNs是强大的图级任务基线模型
ICML 2025 | 经典GNNs是强大的图级任务基线模型论文题目:Can Classic GNNs Be Strong Baselines for Graph-level Tasks? Simpl...
ai攻防基础篇-图神经网络GNN从入门到实战
作者:yueji0j1anke首发于公号:剑客古月的安全屋字数:3973阅读时间: 15min声明:请勿利用文章内的相关技术从事非法测试,由于传播、利用此文所提供的信息而造成的任何直接或者间接的...
北京理工大学 | 基于图神经网络的加密流量分析精准识别去中心化应用
原文标题:Accurate Decentralized Application Identification via Encrypted Traffic Analysis Using Graph Ne...
图神经网络系列一:图神经网络简介
一. GNN原理介绍 图数据不规则,每个图的无序节点大小是可变的,且每个节点有不同数量的邻居节点,因此一些重要的操作如卷积能够在图像数据上轻易计算,但是不适用于图数据,可见图数据的复杂性给现有的...
AAAI 2025|利用语言模型实现跨异质性知识转移
AAAI 2025|利用语言模型实现跨异质性知识转移题目:Harnessing Language Model for Cross-Heterogeneity Graph Knowledge Trans...
综述导读 | 推荐系统的图基础模型
综述导读 | Graph Foundation Models for Recommendation: A Comprehensive Survey去年7月,我们在arXiv网站上推出了图基础模型综述文...
KDD25 | 大语言模型能否提高图神经网络的对抗鲁棒性?
Can Large Language Models Improve the Adversarial Robustness of Graph NeuralNetworks?作者:张中健,王啸,周辉池,于...
专题解读 | 知识蒸馏再升级:用大语言模型赋能图神经网络
知识蒸馏再升级:用大语言模型赋能图神经网络一、背景介绍知识蒸馏(Knowledge Distillation)作为一种模型压缩方法,通过将复杂教师模型(Teacher Model)的知识传递给较轻量的...
成果分享|Anti-FakeU: 图神经网络推荐模型托攻击防御算法
在2023年5月举办的Proceedings of the ACM Web Conference 2023 (WWW 2023)中,我实验室白泽智能团队率先提出了图神经网络推荐模型托攻击防御算法(An...
专题解读 | 图检索增强生成研究进展
GraphRAG研究进展一、简介近年来,检索增强生成(Retrieval-Augmented Generation, RAG)在解决大语言模型(LLMs)所面临的挑战方面取得了显著成功,而无需对模型进...