首次攻克「圖基礎模型」三大難題！港大開源OpenGraph：零樣本學習適配多種下游任

AIGC動態歡迎閱讀

原標題：首次攻克「圖基礎模型」三大難題！港大開源OpenGraph：零樣本學習適配多種下游任
關鍵字：節點,數據,模型,表征,拓撲
文章來源：新智元
內容字數：20485字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】港大發布通用圖基座模型OpenGraph，巧妙從LLM中蒸餾零樣本圖泛化能力。圖學習（Graph Learning）技術能夠對復雜的關系數據進行挖掘和學習，在推薦系統、社交網絡分析、引用網絡和交通網絡等多個領域都顯示出了巨大的應用價值。
圖神經網絡（Graph Neural Networks, GNNs）基于迭代的消息傳遞機制，能夠捕捉圖結構數據中的復雜高階關系，在各類圖學習應用場景中取得了巨大的成功。
通常，這種端到端的圖神經網絡需要大量、高質量的標注數據才能獲得較好的訓練效果。
近年來，一些工作提出圖模型的預訓練-微調（Pre-training and Fine-tuning）模式，使用各種自監督學習任務在無標注的圖數據上首先進行預訓練，再在少量標注數據上進行微調，以對抗監督信號不足的問題。這里的自監督學習任務包括對比學習、掩碼重建、局部全局互信息最大化等方法。
盡管這種預訓練方法取得了一定的成功，但他們的泛化能力較為有限，特別是當預訓練和下游任務出現分布偏移（Distribution Shift）時。
例如在推薦系統中，預訓練模型使用較早時

原文鏈接：首次攻克「圖基礎模型」三大難題！港大開源OpenGraph：零樣本學習適配多種下游任

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。