Buchumschlag

OpenGU: A Comprehensive Benchmark for Graph Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Bowen, Ai, Yuming, Li, Xunkai, Guo, Zhilin, Li, Rong-Hua, Wang, Guoren
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Federated Graph Unlearning
von: Ai, Yuming, et al.
Veröffentlicht: (2025)

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

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

MM-OpenFGL: A Comprehensive Benchmark for Multimodal Federated Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2026)

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

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

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

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)

Towards Data-centric Machine Learning on Directed Graphs: a Survey
von: Sun, Henan, et al.
Veröffentlicht: (2024)

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

OpenMAG: A Comprehensive Benchmark for Multimodal-Attributed Graph
von: Wan, Chenxi, et al.
Veröffentlicht: (2026)

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

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

When LLMs meet open-world graph learning: a new perspective for unlabeled data uncertainty
von: Wen, Yanzhe, et al.
Veröffentlicht: (2025)

Unveiling the Vulnerability of Graph-LLMs: An Interpretable Multi-Dimensional Adversarial Attack on TAGs
von: Fan, Bowen, et al.
Veröffentlicht: (2025)

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

OpenGLT: A Comprehensive Benchmark of Graph Neural Networks for Graph-Level Tasks
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

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

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

FairGU: Fairness-aware Graph Unlearning in Social Networks
von: Luo, Renqiang, et al.
Veröffentlicht: (2026)

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

OpenDDI: A Comprehensive Benchmark for DDI Prediction
von: Jin, Xinmo, et al.
Veröffentlicht: (2026)

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

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

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

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

Generalized Category Discovery in Federated Graph Learning
von: Yuan, Zhongzheng, et al.
Veröffentlicht: (2026)

Rethinking Client-oriented Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2025)

ScaDyG:A New Paradigm for Large-scale Dynamic Graph Learning
von: Wu, Xiang, et al.
Veröffentlicht: (2025)

Spatio-Temporal Graph Unlearning
von: Guo, Qiming, et al.
Veröffentlicht: (2025)

FedSA-GCL: A Semi-Asynchronous Federated Graph Learning Framework with Personalized Aggregation and Cluster-Aware Broadcasting
von: Yuan, Zhongzheng, et al.
Veröffentlicht: (2025)

GraphMaster: Automated Graph Synthesis via LLM Agents in Data-Limited Environments
von: Du, Enjun, et al.
Veröffentlicht: (2025)

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Toward General and Robust LLM-enhanced Text-attributed Graph Learning
von: Zhang, Zihao, et al.
Veröffentlicht: (2025)

How Do Large Language Models Understand Graph Patterns? A Benchmark for Graph Pattern Comprehension
von: Dai, Xinnan, et al.
Veröffentlicht: (2024)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

GOMA: Toward Structure-Driven Multimodal Alignment from a Graph Signal Smoothing Perspective
von: Wang, Xu, et al.
Veröffentlicht: (2026)

Scalable Topology-Preserving Graph Coarsening: Concepts and Algorithms
von: Wu, Xiang, et al.
Veröffentlicht: (2026)