.png){kind=icon}
返回
MultiHGPT: Multi-task heterogeneous graph prompt tuning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104236.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，“预训练、提示”范式已作为一种有前景的替代“预训练、微调”方法出现，在图领域可能弥合预训练和下游阶段之间的巨大差距。然而，现有的图提示技术主要服务于同构图结构中的单任务，忽视了真实应用中普遍存在的异质性和任务差异。在本文中，我们提出MultiHGPT，一种专为多任务异构图预训练和提示调优设计的提示方法，以有效缓解预训练与各种下游任务之间异质性差异所导致的不平衡。具体而言，我们首先通过统一的多任务框架将不同层级的任务整合到同一任务子空间中。然后，为了利用异构图中固有的丰富语义信息，我们通过图模板构建实现了异构图的多视图分解。此外，通过为下游多任务设计一种新颖的提示函数，我们弥合了不同任务间异质性差异所造成的差距。最后，我们在三个公开数据集上进行了实验，采用少样本设置，针对节点、边和图级别的下游任务。预测通过选择与类原型最相似的类别进行。实验结果验证了我们的方法的有效性，相比比较方法平均提升了9%。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
暂无机构信息
引用论文
ArnetMiner.png)
Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏metapath2vecProceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏
查看更多内容