Buchumschlag

Universal Link Predictor By In-Context Learning on Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Kaiwen, Mao, Haitao, Guo, Zhichun, Chawla, Nitesh V.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CORE: Data Augmentation for Link Prediction via Information Bottleneck
von: Dong, Kaiwen, et al.
Veröffentlicht: (2024)

You do not have to train Graph Neural Networks at all on text-attributed graphs
von: Dong, Kaiwen, et al.
Veröffentlicht: (2024)

Pure Message Passing Can Estimate Common Neighbor for Link Prediction
von: Dong, Kaiwen, et al.
Veröffentlicht: (2023)

Node Duplication Improves Cold-start Link Prediction
von: Guo, Zhichun, et al.
Veröffentlicht: (2024)

TFMLinker: Universal Link Predictor by Graph In-Context Learning with Tabular Foundation Models
von: Liao, Tianyin, et al.
Veröffentlicht: (2026)

The Hidden Influence of Latent Feature Magnitude When Learning with Imbalanced Data
von: Dablain, Damien A., et al.
Veröffentlicht: (2024)

ChemHGNN: A Hierarchical Hypergraph Neural Network for Reaction Virtual Screening and Discovery
von: Huang, Xiaobao, et al.
Veröffentlicht: (2025)

Can we Soft Prompt LLMs for Graph Learning Tasks?
von: Liu, Zheyuan, et al.
Veröffentlicht: (2024)

Graph Diffusion Transformers are In-Context Molecular Designers
von: Liu, Gang, et al.
Veröffentlicht: (2025)

AnyLoss: Transforming Classification Metrics into Loss Functions
von: Han, Doheon, et al.
Veröffentlicht: (2024)

Intersectional Divergence: Measuring Fairness in Regression
von: Germino, Joe, et al.
Veröffentlicht: (2025)

AutoLLMResearch: Training Research Agents for Automating LLM Experiment Configuration - Learning from Cheap, Optimizing Expensive
von: Guo, Taicheng, et al.
Veröffentlicht: (2026)

Spectral Manifold Harmonization for Graph Imbalanced Regression
von: Nogueira, Brenda, et al.
Veröffentlicht: (2025)

Safety in Graph Machine Learning: Threats and Safeguards
von: Wang, Song, et al.
Veröffentlicht: (2024)

Do LLMs have core beliefs?
von: Sokol, Anna, et al.
Veröffentlicht: (2026)

Conformalized Selective Regression
von: Sokol, Anna, et al.
Veröffentlicht: (2024)

Mixture of Link Predictors on Graphs
von: Ma, Li, et al.
Veröffentlicht: (2024)

Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

HONEM: Learning Embedding for Higher Order Networks
von: Saebi, Mandana, et al.
Veröffentlicht: (2019)

HetGPT: Harnessing the Power of Prompt Tuning in Pre-Trained Heterogeneous Graph Neural Networks
von: Ma, Yihong, et al.
Veröffentlicht: (2023)

Post-Fair Federated Learning: Achieving Group and Community Fairness in Federated Learning via Post-processing
von: Duan, Yuying, et al.
Veröffentlicht: (2024)

LPFormer: An Adaptive Graph Transformer for Link Prediction
von: Shomer, Harry, et al.
Veröffentlicht: (2023)

A Survey of Large Language Models for Graphs
von: Ren, Xubin, et al.
Veröffentlicht: (2024)

Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

UGMAE: A Unified Framework for Graph Masked Autoencoders
von: Tian, Yijun, et al.
Veröffentlicht: (2024)

GFT: Graph Foundation Model with Transferable Tree Vocabulary
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

AgentDrug: Utilizing Large Language Models in An Agentic Workflow for Zero-Shot Molecular Editing
von: Le, Khiem, et al.
Veröffentlicht: (2024)

FLAME: Towards Federated Fine-Tuning Large Language Models Through Adaptive SMoE
von: Le, Khiem, et al.
Veröffentlicht: (2025)

YOSO: You-Only-Sample-Once via Compressed Sensing for Graph Neural Network Training
von: Li, Yi, et al.
Veröffentlicht: (2024)

Artificial Intelligence in Spectroscopy: Advancing Chemistry from Prediction to Generation and Beyond
von: Guo, Kehan, et al.
Veröffentlicht: (2025)

SPECTRA: Spectral Domain-Aware Graph Generation for Imbalanced Molecular Property Regression
von: Nogueira, Brenda, et al.
Veröffentlicht: (2025)

Beyond Message Passing: Neural Graph Pattern Machine
von: Wang, Zehong, et al.
Veröffentlicht: (2025)

G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering
von: He, Xiaoxin, et al.
Veröffentlicht: (2024)

Differentially-Private Data Synthetisation for Efficient Re-Identification Risk Control
von: Carvalho, Tânia, et al.
Veröffentlicht: (2022)

Policy4OOD: A Knowledge-Guided World Model for Policy Intervention Simulation against the Opioid Overdose Crisis
von: Ma, Yijun, et al.
Veröffentlicht: (2026)

Genotype-Conditioned Molecular Generation via Evidence-Grounded Multi-Objective Latent Perturbation in Diffusion Models
von: Nogueira, Brenda, et al.
Veröffentlicht: (2026)

Learning Universal Predictors
von: Grau-Moya, Jordi, et al.
Veröffentlicht: (2024)

Graph Neural Prompting with Large Language Models
von: Tian, Yijun, et al.
Veröffentlicht: (2023)