Buchumschlag

Towards Data-centric Machine Learning on Directed Graphs: a Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Henan, Li, Xunkai, Su, Daohan, Han, Junyi, Li, Rong-Hua, Wang, Guoren
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Databases Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Toward Data-centric Directed Graph Learning: An Entropy-driven Approach
von: Li, Xunkai, et al.
Veröffentlicht: (2025)

Toward Effective Digraph Representation Learning: A Magnetic Adaptive Propagation based Approach
von: Li, Xunkai, et al.
Veröffentlicht: (2025)

Towards Unbiased Federated Graph Learning: Label and Topology Perspectives
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

AdaFGL: A New Paradigm for Federated Node Classification with Topology Heterogeneity
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Breaking the Entanglement of Homophily and Heterophily in Semi-supervised Node Classification
von: Sun, Henan, et al.
Veröffentlicht: (2023)

Toward Scalable Graph Unlearning: A Node Influence Maximization based Approach
von: Li, Xunkai, et al.
Veröffentlicht: (2025)

Federated Prototype Graph Learning
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

FedGTA: Topology-aware Averaging for Federated Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Rethinking Node-wise Propagation for Large-scale Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

OpenFGL: A Comprehensive Benchmark for Federated Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Toward Effective Multimodal Graph Foundation Model: A Divide-and-Conquer Based Approach
von: Liu, Sicheng, et al.
Veröffentlicht: (2026)

LightDiC: A Simple yet Effective Approach for Large-scale Digraph Representation Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

FedTAD: Topology-aware Data-free Knowledge Distillation for Subgraph Federated Learning
von: Zhu, Yinlin, et al.
Veröffentlicht: (2024)

Rethinking Federated Graph Learning: A Data Condensation Perspective
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

A Comprehensive Data-centric Overview of Federated Graph Learning
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Graph Learning in the Era of LLMs: A Survey from the Perspective of Data, Models, and Tasks
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Towards Effective Federated Graph Foundation Model via Mitigating Knowledge Entanglement
von: Zhu, Yinlin, et al.
Veröffentlicht: (2025)

DiRW: Path-Aware Digraph Learning for Heterophily
von: Su, Daohan, et al.
Veröffentlicht: (2024)

State Space Models over Directed Graphs
von: She, Junzhi, et al.
Veröffentlicht: (2025)

DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis
von: Zhang, Ru, et al.
Veröffentlicht: (2026)

A Computationally Efficient Framework for Overlapping Community Detection in Large Bipartite Graphs
von: Zeng, Yue, et al.
Veröffentlicht: (2025)

LION: A Clifford Neural Paradigm for Multimodal-Attributed Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2026)

A Survey on Extractive Knowledge Graph Summarization: Applications, Approaches, Evaluation, and Future Directions
von: Wang, Xiaxia, et al.
Veröffentlicht: (2024)

Federated Continual Graph Learning
von: Zhu, Yinlin, et al.
Veröffentlicht: (2024)

HyperComplEx: Adaptive Multi-Space Knowledge Graph Embeddings
von: Gajjar, Jugal, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Tabular Data Learning: A Survey with Taxonomy and Directions
von: Li, Cheng-Te, et al.
Veröffentlicht: (2024)

Towards Effective and General Graph Unlearning via Mutual Evolution
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

AMLgentex: Mobilizing Data-Driven Research to Combat Money Laundering
von: Östman, Johan, et al.
Veröffentlicht: (2025)

Towards Graph Prompt Learning: A Survey and Beyond
von: Long, Qingqing, et al.
Veröffentlicht: (2024)

Toward General Digraph Contrastive Learning: A Dual Spatial Perspective
von: Su, Daohan, et al.
Veröffentlicht: (2025)

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

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity
von: Zhang, Sirui, et al.
Veröffentlicht: (2026)

Data Augmentation in Graph Neural Networks: The Role of Generated Synthetic Graphs
von: Bas, Sumeyye, et al.
Veröffentlicht: (2024)

Beyond Homophily: Community Search on Heterophilic Graphs
von: Sima, Qing, et al.
Veröffentlicht: (2026)

Hypergraph Diffusion for High-Order Recommender Systems
von: Sakong, Darnbi, et al.
Veröffentlicht: (2025)

Handling Heterophily in Recommender Systems with Wavelet Hypergraph Diffusion
von: Sakong, Darnbi, et al.
Veröffentlicht: (2025)

SAGE: A Framework of Precise Retrieval for RAG
von: Zhang, Jintao, et al.
Veröffentlicht: (2025)

A Survey of Data-Efficient Graph Learning
von: Ju, Wei, et al.
Veröffentlicht: (2024)

eXpath: Explaining Knowledge Graph Link Prediction with Ontological Closed Path Rules
von: Sun, Ye, et al.
Veröffentlicht: (2024)

CAMPA: Efficient and Aligned Multimodal Graph Learning via Decoupled Propagation and Aggregation
von: Su, Daohan, et al.
Veröffentlicht: (2026)