WWW 20224|| GNN能否成为一个好的Adapter？

文章预览

大家好，今天为大家介绍一篇发表在WWW2024研究论文。该论文探讨了如何利用图神经网络(GNN)作为大模型(LLM)的高效适配器来处理文本属性图(TAG)。作者提出了一种名为GraphAdapter的方法，通过预训练GNN适配器来增强LLM对TAG的建模能力，同时保持计算效率。 推荐这篇论文是因为它为解决LLM处理图结构数据的挑战提供了一种高效的方法，并在多个实际数据集上展示了明显的性能提升。 1. 基本信息 标题：Can GNN be Good Adapter for LLMs? 作者：Xuanwen Huang, Kaiqiao Han, Yang Yang, Dezheng Bao, Quanjin Tao, Ziwei Chai, Qi Zhu 作者单位：Zhejiang University, Amazon Web Services 代码链接：https://github.com/zjunet/GraphAdapter 2. 研究背景 文本属性图(TAG)在社交媒体、推荐系统等领域有广泛应用。本文探讨了如何利用LLM来建模TAG。 先前针对TAG建模的方法基于百万规模的语言模型。当扩展到十亿规模的LLM ………………………………