★ 2
TemporalGraphLLM：时序图神经网络结合大模型
论文提出TemporalGraphLLM框架，将任意时序图神经网络与大语言模型集成，用于动态文本属性图推理。方法通过图-时间感知指令微调与图嵌入注入替代专用新增token。在边分类、链接预测与基于边的文本生成任务上取得当前最优性能，展示了LLM与TGNN的协同潜力。
arXiv cs.LG34 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出TemporalGraphLLM框架，将任意时序图神经网络与大语言模型集成，用于动态文本属性图推理。方法通过图-时间感知指令微调与图嵌入注入替代专用新增token。在边分类、链接预测与基于边的文本生成任务上取得当前最优性能，展示了LLM与TGNN的协同潜力。
论文提出 Query-Anchor Agreement（QAA）诊断方法，用于在人类感知知识图谱上预测科学连接时选择路径采样预算并重排预测结果，无需未来标签或额外训练模型。在热电材料与新冠药物重定位基准上，QAA 选出的预算平均仅比事后最优低 1.86 个百分点，融合双视角候选还能提升召回。