当MoE邂逅图学习: AnyGraph解密图大模型的Scaling Law

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 TLDR: 针对传统图算法面临的结构异质性、特征异质性、快速适应性以及扩展定律等挑战，本文提出了基于混合专家架构的AnyGraph，旨在跨域场景中实现零样本预测的图基础模型。 论文： https://arxiv.org/pdf/2408.10700 代码： https://github.com/HKUDS/AnyGraph 一、背景 在当今时代，图结构数据在众多领域中的应用变得越来越普遍。随着关系型数据以图的形式不断增长，对能够有效处理这些数据并具备卓越泛化能力的图学习模型的需求变得愈发紧迫。在现实世界的各种应用中，如图社交网络、学术网络、交通运输系统以及生物网络等，图学习模型能否有效地应对数据分布的变化以及适应新的图领域，已成为至关重要的问题。 开发具有强大零样本学习性能和快速适应能力的模型，将为充分挖掘图数据中蕴含的丰富见解 ………………………………