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...
专题解读|异配图表示学习研究进展
异配图表示学习一、简介图神经网络(GNNs)已成为一系列图学习任务中不可或缺的关键工具。然而,大多数现有的GNN架构在显式或隐式上都遵循同配性假设,即具有相同标签或相似属性的节点更可能相互连接。尽管这...
专题解读 | ICLR'23的几何深度学习
1. 几何深度学习的基本概念深度学习已经被应用于各种科学问题中(AI4Science),包括分子性质预测、药物合成与设计、动力学模拟等等。深度学习相较于传统方法(基于计算、模拟、数据库搜索)来说,推理...
GraphBolt技术分享
1.背景GNN(图神经网络)可以建模图结构数据中的复杂关系和语义信息,它在各种任务中表现出色,包括节点分类、链路预测和图分类。与通常用于图像和视频数据的CNN不同,GNN用于非欧几里德数据,如社交网络...
成果分享 | 探索图神经网络模型的指纹
|成果分享|今天分享我实验室白泽智能(Whizard AI)的最新研究 GNNFingers: A Fingerprinting Framework for Verifying Ownersh...
AAAI 2024 | FairSIN:通过敏感信息中和来实现公平的图神经网络
FairSIN : Achieving Fairness in Graph Neural Networks through Sensitive Information Neutralization作...