Buchumschlag

Boosting Graph Foundation Model from Structural Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Yao, Zhao, Yige, Yu, Jianxiang, Li, Xiang
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

Variational Graph Autoencoder for Heterogeneous Information Networks with Missing and Inaccurate Attributes
von: Zhao, Yige, et al.
Veröffentlicht: (2023)

Relation-Aware Graph Foundation Model
von: Yu, Jianxiang, et al.
Veröffentlicht: (2025)

Improving Graph Out-of-distribution Generalization Beyond Causality
von: Xu, Can, et al.
Veröffentlicht: (2024)

Self-Pro: A Self-Prompt and Tuning Framework for Graph Neural Networks
von: Gong, Chenghua, et al.
Veröffentlicht: (2023)

Heterogeneous Graph Contrastive Learning with Meta-path Contexts and Adaptively Weighted Negative Samples
von: Yu, Jianxiang, et al.
Veröffentlicht: (2022)

Towards Graph Foundation Models: A Transferability Perspective
von: Wang, Yuxiang, et al.
Veröffentlicht: (2025)

A Survey on Learning from Graphs with Heterophily: Recent Advances and Future Directions
von: Gong, Chenghua, et al.
Veröffentlicht: (2024)

Hierarchical Vector Quantized Graph Autoencoder with Annealing-Based Code Selection
von: Zeng, Long, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Node Generation in Few-Shot Learning on Text-Attributed Graphs
von: Yu, Jianxiang, et al.
Veröffentlicht: (2023)

RELIEF: Reinforcement Learning Empowered Graph Feature Prompt Tuning
von: Zhu, Jiapeng, et al.
Veröffentlicht: (2024)

GLIP-OOD: Zero-Shot Graph OOD Detection with Graph Foundation Model
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

Position: Graph Foundation Models are Already Here
von: Mao, Haitao, et al.
Veröffentlicht: (2024)

A Survey on Self-Supervised Graph Foundation Models: Knowledge-Based Perspective
von: Zhao, Ziwen, et al.
Veröffentlicht: (2024)

Towards Versatile Graph Learning Approach: from the Perspective of Large Language Models
von: Wei, Lanning, et al.
Veröffentlicht: (2024)

Graph Foundation Models: Concepts, Opportunities and Challenges
von: Liu, Jiawei, et al.
Veröffentlicht: (2023)

Dual Boost-Driven Graph-Level Clustering Network
von: Smith, John, et al.
Veröffentlicht: (2025)

InfoNCE is a Free Lunch for Semantically guided Graph Contrastive Learning
von: Wang, Zixu, et al.
Veröffentlicht: (2025)

GraphSB: Boosting Imbalanced Node Classification on Graphs through Structural Balance
von: Wang, Zhixiao, et al.
Veröffentlicht: (2026)

Boosting Graph Pooling with Persistent Homology
von: Ying, Chaolong, et al.
Veröffentlicht: (2024)

EEG-FM-Audit: A Systematic Evaluation and Analysis Pipeline for EEG Foundation Models
von: Wang, Xianheng, et al.
Veröffentlicht: (2026)

Learning to Model Graph Structural Information on MLPs via Graph Structure Self-Contrasting
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

Geometric Structural Knowledge Graph Foundation Model
von: Xin, Ling, et al.
Veröffentlicht: (2025)

Higher-order Structure Boosts Link Prediction on Temporal Graphs
von: Liu, Jingzhe, et al.
Veröffentlicht: (2025)

Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2026)

PSP: Pre-Training and Structure Prompt Tuning for Graph Neural Networks
von: Ge, Qingqing, et al.
Veröffentlicht: (2023)

Human Cognition Inspired RAG with Knowledge Graph for Complex Problem Solving
von: Cheng, Yao, et al.
Veröffentlicht: (2025)

Transferable Graph Condensation from the Causal Perspective
von: Du, Huaming, et al.
Veröffentlicht: (2026)

A Systematic Study of Model Extraction Attacks on Graph Foundation Models
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

Boosting Graph Robustness Against Backdoor Attacks: An Over-Similarity Perspective
von: Liu, Chang, et al.
Veröffentlicht: (2025)

GRAVER: Generative Graph Vocabularies for Robust Graph Foundation Models Fine-tuning
von: Yuan, Haonan, et al.
Veröffentlicht: (2025)

Deeper with Riemannian Geometry: Overcoming Oversmoothing and Oversquashing for Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2025)

RiemannGFM: Learning a Graph Foundation Model from Riemannian Geometry
von: Sun, Li, et al.
Veröffentlicht: (2025)

Turning Tabular Foundation Models into Graph Foundation Models
von: Eremeev, Dmitry, et al.
Veröffentlicht: (2025)

SVDinsTN: A Tensor Network Paradigm for Efficient Structure Search from Regularized Modeling Perspective
von: Zheng, Yu-Bang, et al.
Veröffentlicht: (2023)

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

Structure-Centric Graph Foundation Model via Geometric Bases
von: He, Xiaodong, et al.
Veröffentlicht: (2026)

BlueSuffix: Reinforced Blue Teaming for Vision-Language Models Against Jailbreak Attacks
von: Zhao, Yunhan, et al.
Veröffentlicht: (2024)

Towards Graph Foundation Models: A Study on the Generalization of Positional and Structural Encodings
von: Franks, Billy Joe, et al.
Veröffentlicht: (2024)

Out-of-Distribution Generalization in Graph Foundation Models
von: Li, Haoyang, et al.
Veröffentlicht: (2026)

Learning Graph Foundation Models on Riemannian Graph-of-Graphs
von: Liu, Haokun, et al.
Veröffentlicht: (2026)