Buchumschlag

How Expressive are Knowledge Graph Foundation Models?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Xingyue, Barceló, Pablo, Bronstein, Michael M., Ceylan, İsmail İlkan, Galkin, Mikhail, Reutter, Juan L, Orth, Miguel Romero
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

HYPER: A Foundation Model for Inductive Link Prediction with Knowledge Hypergraphs
von: Huang, Xingyue, et al.
Veröffentlicht: (2025)

Link Prediction with Relational Hypergraphs
von: Huang, Xingyue, et al.
Veröffentlicht: (2024)

One Model, Any Conjunctive Query: Graph Neural Networks for Answering Queries over Incomplete Knowledge Graphs
von: Olejniczak, Krzysztof, et al.
Veröffentlicht: (2024)

Cooperative Graph Neural Networks
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2023)

Bringing Graphs to the Table: Zero-shot Node Classification via Tabular Foundation Models
von: Hayler, Adrian, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Framework for Answering Graph Pattern Queries in Knowledge Graphs
von: Cucumides, Tamara, et al.
Veröffentlicht: (2023)

Flock: A Knowledge Graph Foundation Model via Learning on Random Walks
von: Kim, Jinwoo, et al.
Veröffentlicht: (2025)

Fisher Flow Matching for Generative Modeling over Discrete Data
von: Davis, Oscar, et al.
Veröffentlicht: (2024)

Equivariance Everywhere All At Once: A Recipe for Graph Foundation Models
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Knowledge Graph Reasoning
von: Galkin, Mikhail, et al.
Veröffentlicht: (2023)

What are the Right Symmetries for Formal Theorem Proving?
von: Olejniczak, Krzysztof, et al.
Veröffentlicht: (2026)

Learning on Large Graphs using Intersecting Communities
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2024)

Homomorphism Counts for Graph Neural Networks: All About That Basis
von: Jin, Emily, et al.
Veröffentlicht: (2024)

Future Directions in the Theory of Graph Machine Learning
von: Morris, Christopher, et al.
Veröffentlicht: (2024)

Explaining k-Nearest Neighbors: Abductive and Counterfactual Explanations
von: Barceló, Pablo, et al.
Veröffentlicht: (2025)

Homomorphism Counts as Structural Encodings for Graph Learning
von: Bao, Linus, et al.
Veröffentlicht: (2024)

Can Graph Foundation Models Generalize Over Architecture?
von: Gutteridge, Benjamin, et al.
Veröffentlicht: (2026)

A Foundation Model for Zero-shot Logical Query Reasoning
von: Galkin, Mikhail, et al.
Veröffentlicht: (2024)

Message Passing on the Edge: Towards Scalable and Expressive GNNs
von: Barceló, Pablo, et al.
Veröffentlicht: (2025)

Attending to Graph Transformers
von: Müller, Luis, et al.
Veröffentlicht: (2023)

RelAgent: LLM Agents as Data Scientists for Relational Learning
von: Huang, Xingyue, et al.
Veröffentlicht: (2026)

Mathematical Foundations of Geometric Deep Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2025)

Towards Foundation Model on Temporal Knowledge Graph Reasoning
von: Pan, Jiaxin, et al.
Veröffentlicht: (2025)

KGPFN: Unlocking the Potential of Knowledge Graph Foundation Model via In-Context Learning
von: Gao, Yisen, et al.
Veröffentlicht: (2026)

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

On the Stability of Expressive Positional Encodings for Graphs
von: Huang, Yinan, et al.
Veröffentlicht: (2023)

Position: Graph Learning Will Lose Relevance Due To Poor Benchmarks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2025)

TRIX: A More Expressive Model for Zero-shot Domain Transfer in Knowledge Graphs
von: Zhang, Yucheng, et al.
Veröffentlicht: (2025)

Boosting Knowledge Graph Foundation Models via Enhanced Negative Sampling
von: Liu, Yinan, et al.
Veröffentlicht: (2026)

Supercharging Graph Transformers with Advective Diffusion
von: Wu, Qitian, et al.
Veröffentlicht: (2023)

AnyGraph: Graph Foundation Model in the Wild
von: Xia, Lianghao, et al.
Veröffentlicht: (2024)

Almost Surely Asymptotically Constant Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2024)

On The Expressive Power of Knowledge Graph Embedding Methods
von: Gao, Jiexing, et al.
Veröffentlicht: (2024)

Self-Exploring Language Models for Explainable Link Forecasting on Temporal Graphs via Reinforcement Learning
von: Ding, Zifeng, et al.
Veröffentlicht: (2025)

MacroGuide: Topological Guidance for Macrocycle Generation
von: Maksymiuk, Alicja, et al.
Veröffentlicht: (2026)

Towards Graph Foundation Models: Training on Knowledge Graphs Enables Transferability to General Graphs
von: Wang, Kai, et al.
Veröffentlicht: (2024)

G-reasoner: Foundation Models for Unified Reasoning over Graph-structured Knowledge
von: Luo, Linhao, et al.
Veröffentlicht: (2025)

Zero-One Laws of Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2023)

AriGraph: Learning Knowledge Graph World Models with Episodic Memory for LLM Agents
von: Anokhin, Petr, et al.
Veröffentlicht: (2024)

SpherE: Expressive and Interpretable Knowledge Graph Embedding for Set Retrieval
von: Li, Zihao, et al.
Veröffentlicht: (2024)