Buchumschlag

GraphFM: A generalist graph transformer that learns transferable representations across diverse domains

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lachi, Divyansha, Azabou, Mehdi, Arora, Vinam, Dyer, Eva
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Integrating Temporal and Structural Context in Graph Transformers for Relational Deep Learning
von: Lachi, Divyansha, et al.
Veröffentlicht: (2025)

Know Thyself by Knowing Others: Learning Neuron Identity from Population Context
von: Arora, Vinam, et al.
Veröffentlicht: (2025)

GraphFM: Graph Factorization Machines for Feature Interaction Modeling
von: Wu, Shu, et al.
Veröffentlicht: (2021)

GraphFM: A Comprehensive Benchmark for Graph Foundation Model
von: Xu, Yuhao, et al.
Veröffentlicht: (2024)

Deep learning for dynamic graphs: models and benchmarks
von: Gravina, Alessio, et al.
Veröffentlicht: (2023)

Representation learning in multiplex graphs: Where and how to fuse information?
von: Bielak, Piotr, et al.
Veröffentlicht: (2024)

RELATE: A Schema-Agnostic Perceiver Encoder for Multimodal Relational Graphs
von: Meyer, Joe, et al.
Veröffentlicht: (2025)

Graph self-supervised learning based on frequency corruption
von: Li, Haojie, et al.
Veröffentlicht: (2026)

Graph machine learning for flight delay prediction due to holding manouver
von: Franco, Jorge L., et al.
Veröffentlicht: (2025)

Privacy-Preserving Multimodal News Recommendation through Federated Learning
von: Khalaj, Mehdi, et al.
Veröffentlicht: (2025)

Predicting the structure of dynamic graphs
von: Kandanaarachchi, Sevvandi, et al.
Veröffentlicht: (2024)

The G-invariant graph Laplacian
von: Rosen, Eitan, et al.
Veröffentlicht: (2023)

Haar-Laplacian for directed graphs
von: Badea, Theodor-Adrian, et al.
Veröffentlicht: (2024)

Real-World Challenges in Fake News Detection: Dealing with Posts by Cold Users
von: Karnam, Sai Keerthana, et al.
Veröffentlicht: (2026)

Separated Contrastive Learning for Matching in Cross-domain Recommendation with Curriculum Scheduling
von: Chang, Heng, et al.
Veröffentlicht: (2025)

A survey of dynamic graph neural networks
von: Zheng, Yanping, et al.
Veröffentlicht: (2024)

Hybrid Graph: A Unified Graph Representation with Datasets and Benchmarks for Complex Graphs
von: Li, Zehui, et al.
Veröffentlicht: (2023)

Incorporating Heterophily into Graph Neural Networks for Graph Classification
von: Yang, Jiayi, et al.
Veröffentlicht: (2022)

Unifying Generation and Prediction on Graphs with Latent Graph Diffusion
von: Zhou, Cai, et al.
Veröffentlicht: (2024)

Catalyzing Social Interactions in Mixed Reality using ML Recommendation Systems
von: Srivastava, Sparsh, et al.
Veröffentlicht: (2024)

Graph GOSPA metric: a metric to measure the discrepancy between graphs of different sizes
von: Gu, Jinhao, et al.
Veröffentlicht: (2023)

Modularity aided consistent attributed graph clustering via coarsening
von: Bhatia, Samarth, et al.
Veröffentlicht: (2024)

GravityGraphSAGE: Link Prediction in Directed Attributed Graphs
von: Porcedda, Riccardo, et al.
Veröffentlicht: (2026)

RCoCo: Contrastive Collective Link Prediction across Multiplex Network in Riemannian Space
von: Sun, Li, et al.
Veröffentlicht: (2024)

A Unified Graph Selective Prompt Learning for Graph Neural Networks
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

What Is Missing In Homophily? Disentangling Graph Homophily For Graph Neural Networks
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Improving the interpretability of GNN predictions through conformal-based graph sparsification
von: Sanchez-Martin, Pablo, et al.
Veröffentlicht: (2024)

Leveraging graph neural networks and mobility data for COVID-19 forecasting
von: Duarte, Fernando H. O., et al.
Veröffentlicht: (2025)

Self-Supervised Temporal Graph learning with Temporal and Structural Intensity Alignment
von: Liu, Meng, et al.
Veröffentlicht: (2023)

Homophily-Related: Adaptive Hybrid Graph Filter for Multi-View Graph Clustering
von: Wen, Zichen, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Generalizing Graph Transformers Across Diverse Graphs and Tasks via Pre-training
von: He, Yufei, et al.
Veröffentlicht: (2024)

Feature Distribution on Graph Topology Mediates the Effect of Graph Convolution: Homophily Perspective
von: Lee, Soo Yong, et al.
Veröffentlicht: (2024)

GraphSB: Boosting Imbalanced Node Classification on Graphs through Structural Balance
von: Zhu, Chaofan, et al.
Veröffentlicht: (2025)

Deep-Graph-Sprints: Accelerated Representation Learning in Continuous-Time Dynamic Graphs
von: Eddin, Ahmad Naser, et al.
Veröffentlicht: (2024)

Using Time-Aware Graph Neural Networks to Predict Temporal Centralities in Dynamic Graphs
von: Heeg, Franziska, et al.
Veröffentlicht: (2023)

Graph Neural Networks can Recover the Hidden Features Solely from the Graph Structure
von: Sato, Ryoma
Veröffentlicht: (2023)

GraphSL: An Open-Source Library for Graph Source Localization Approaches and Benchmark Datasets
von: Wang, Junxiang, et al.
Veröffentlicht: (2024)

The Graph-Embedded Hazard Model (GEHM): Stochastic Network Survival Dynamics on Economic Graphs
von: Vallarino, Diego
Veröffentlicht: (2025)

Neural Graph Generator: Feature-Conditioned Graph Generation using Latent Diffusion Models
von: Evdaimon, Iakovos, et al.
Veröffentlicht: (2024)