​KDD 2025 | 新大、新国大等提出ProNoG：非同配图上的提示学习

文章预览

©PaperWeekly 原创 · 作者 |  于星橦 单位 |  新加坡管理大学博士后 个人主页 |  https://xingtongyu.netlify.app/ 摘要 现实世界中不同对象之间的复杂关系可以用图来表示，而图神经网络是图学习的主流技术，但其性能在很大程度上依赖于大量的标注数据。 为了减少对有标注数据的需求，预训练和提示学习方法已成为一种流行的解决方案。 然而，现有的提示方法并未区分现实世界中图的同配和异配性：许多现实世界的图是非同配的，并非严格的同配或异配，而是混合了同配和异配模式，在不同的图和节点中表现出不同的非同配性质。 在本文中，我们提出了  ProNoG ，一种针对这些非同配图的新型预训练和提示学习框架。 论文题目： Non-Homophilic Graph Pre-Training and Prompt Learning 论文链接： https://arxiv.org/pdf/2408.12594v2 代码链接： https://github.com/Jaygagaga/ProNoG/tree/mai ………………………………