論文の概要: H$^2$GFM: Towards unifying Homogeneity and Heterogeneity on Text-Attributed Graphs

• arxiv url: http://arxiv.org/abs/2506.08298v1
• Date: Tue, 10 Jun 2025 00:03:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:40.875099
• Title: H$^2$GFM: Towards unifying Homogeneity and Heterogeneity on Text-Attributed Graphs
• Title（参考訳）: H$^2$GFM:テキスト分散グラフにおける均一性と不均一性の統合を目指して
• Authors: Trung-Kien Nguyen, Heng Ping, Shixuan Li, Peiyu Zhang, Nikos Kanakaris, Nicholas Kotov, Paul Bogdan,
• Abstract要約: H$2$GFM は HoTAG と HeTAG の両方にまたがって一般化するために設計された新しいフレームワークである。 我々のモデルは、統一テキスト空間下でのグラフ間の多様なメタ関係を計画する。 グラフ型間の構造パターンの不均一性を捉えるために,CGT専門家の混在を用いる。
• 参考スコア（独自算出の注目度）: 6.601515580215021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing interests and applications of graph learning in diverse domains have propelled the development of a unified model generalizing well across different graphs and tasks, known as the Graph Foundation Model (GFM). Existing research has leveraged text-attributed graphs (TAGs) to tackle the heterogeneity in node features among graphs. However, they primarily focus on homogeneous TAGs (HoTAGs), leaving heterogeneous TAGs (HeTAGs), where multiple types of nodes/edges reside, underexplored. To enhance the capabilities and applications of GFM, we introduce H$^2$GFM, a novel framework designed to generalize across both HoTAGs and HeTAGs. Our model projects diverse meta-relations among graphs under a unified textual space, and employs a context encoding to capture spatial and higher-order semantic relationships. To achieve robust node representations, we propose a novel context-adaptive graph transformer (CGT), effectively capturing information from both context neighbors and their relationships. Furthermore, we employ a mixture of CGT experts to capture the heterogeneity in structural patterns among graph types. Comprehensive experiments on a wide range of HoTAGs and HeTAGs as well as learning scenarios demonstrate the effectiveness of our model.
• Abstract（参考訳）: 多様な領域におけるグラフ学習の関心と応用の高まりにより、グラフ基礎モデル(GFM)として知られる様々なグラフやタスクをうまく一般化した統一モデルの開発が促進された。 既存の研究は、グラフ間のノード特徴の不均一性に取り組むために、テキスト分散グラフ(TAG)を活用している。 しかし、彼らは主に均質なTAG(HoTAGs)に焦点を当て、複数の種類のノード/エッジが存在するヘテロジニアスなTAG(HeTAGs)を残している。 H$^2$GFMは,HTAGとHTAGの両方にまたがって汎用化を図った新しいフレームワークである。 本モデルでは,テキスト空間下でのグラフ間の多様なメタ関係をモデル化し,空間的・高次意味関係の抽出にコンテキストエンコーディングを用いる。 頑健なノード表現を実現するために,コンテキスト適応型グラフ変換器(CGT)を提案する。 さらに,グラフ型間の構造パターンの不均一性を捉えるために,CGT専門家の混合を用いる。 幅広いHoTAGとHeTAGの総合的な実験と学習シナリオが、我々のモデルの有効性を実証している。

関連論文リスト

• HeTGB: A Comprehensive Benchmark for Heterophilic Text-Attributed Graphs [38.79574338268996]
  グラフニューラルネットワーク(GNN)は、ホモフィリーを前提とした関係データのモデリングに成功している。 多くの実世界のグラフはヘテロフィリーを示し、連結ノードは異なるカテゴリに属したり、多様な属性を持つ。 Heterophilic Text-attributed Graph Benchmark (HeTGB) は、多様なドメインから5つの実世界の異種グラフデータセットからなる新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-03-05T02:00:32Z)
• Revisiting Graph Neural Networks on Graph-level Tasks: Comprehensive Experiments, Analysis, and Improvements [54.006506479865344]
  グラフレベルグラフニューラルネットワーク(GNN)のための統一評価フレームワークを提案する。 このフレームワークは、さまざまなデータセットにわたるGNNを評価するための標準化された設定を提供する。 また,表現性の向上と一般化機能を備えた新しいGNNモデルを提案する。
  論文  参考訳（メタデータ） (2025-01-01T08:48:53Z)
• When Heterophily Meets Heterogeneity: Challenges and a New Large-Scale Graph Benchmark [18.253578434782103]
  大規模ノード分類グラフベンチマークであるH2GBを導入する。 これは、実世界のグラフのヘテロフィリー性質とヘテロフィリー性質の両方の複雑さを結合させる。 また、この挑戦的なベンチマークで優れているモデルであるH2G-formerを新たに提案する。
  論文  参考訳（メタデータ） (2024-07-15T17:18:42Z)
• HiGPT: Heterogeneous Graph Language Model [27.390123898556805]
  不均一グラフ学習は、異種グラフ内のエンティティ間の複雑な関係や多様な意味を捉えることを目的としている。 異種グラフ学習のための既存のフレームワークは、多種多様な異種グラフデータセットをまたいだ一般化に制限がある。 異種グラフ命令チューニングパラダイムを用いた一般的なグラフモデルであるHiGPTを提案する。
  論文  参考訳（メタデータ） (2024-02-25T08:07:22Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• Graph Neural Networks for Graphs with Heterophily: A Survey [98.45621222357397]
  異種グラフに対するグラフニューラルネットワーク(GNN)の総合的なレビューを提供する。 具体的には,既存の異好性GNNモデルを本質的に支配する系統分類法を提案する。 グラフヘテロフィリーと様々なグラフ研究領域の相関を議論し、より効果的なGNNの開発を促進することを目的とした。
  論文  参考訳（メタデータ） (2022-02-14T23:07:47Z)
• HeMI: Multi-view Embedding in Heterogeneous Graphs [8.87527266373087]
  不均一グラフ(HG)の表現学習は、そのようなグラフの豊富な構造と意味を低次元空間に埋め込む。 本稿では,HGの構造的セマンティクス間の知識交換と発見に依存して,HG表現を学習する自己教師型手法を提案する。 提案手法は,全タスクにおいて1%,最大10%の効率で性能が向上し,競合手法の改善が図られている。
  論文  参考訳（メタデータ） (2021-09-14T23:04:42Z)
• Graphonomy: Universal Image Parsing via Graph Reasoning and Transfer [140.72439827136085]
  グラフィノノミー(Graphonomy)というグラフ推論・伝達学習フレームワークを提案する。 人間の知識とラベル分類を、局所畳み込みを超えた中間グラフ表現学習に組み込んでいる。 意味認識グラフの推論と転送を通じて、複数のドメインにおけるグローバルおよび構造化されたセマンティックコヒーレンシーを学習する。
  論文  参考訳（メタデータ） (2021-01-26T08:19:03Z)
• Heterogeneous Graph Transformer [49.675064816860505]
  Webスケールの不均一グラフモデリングのための不均一グラフ変換器(HGT)アーキテクチャ 動的ヘテロジニアスグラフを扱うために、HGTに相対時間符号化手法を導入する。 Web スケールのグラフデータを扱うため,ヘテロジニアスなミニバッチグラフサンプリングアルゴリズム--HGSampling--を設計し,効率的かつスケーラブルなトレーニングを行う。
  論文  参考訳（メタデータ） (2020-03-03T04:49:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。