Buchumschlag

Toward Effective Multimodal Graph Foundation Model: A Divide-and-Conquer Based Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Sicheng, Li, Xunkai, Su, Daohan, Zhang, Ru, Qin, Hongchao, Li, Ronghua, Wang, Guoren
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

Rethinking Node-wise Propagation for Large-scale Graph Learning
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)

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

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

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

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

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

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

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

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

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

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

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

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

OpenGraph: Towards Open Graph Foundation Models
von: Xia, Lianghao, et al.
Veröffentlicht: (2024)

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

An Effective Index for Truss-based Community Search on Large Directed Graphs
von: Ai, Wei, et al.
Veröffentlicht: (2024)

CAT: A Causally Graph Attention Network for Trimming Heterophilic Graph
von: He, Silu, et al.
Veröffentlicht: (2023)

Two Facets of the Same Optimization Coin: Model Degradation and Representation Collapse in Graph Foundation Models
von: Li, Xunkai, et al.
Veröffentlicht: (2025)

A Community Detection and Graph Neural Network Based Link Prediction Approach for Scientific Literature
von: Liu, Chunjiang, et al.
Veröffentlicht: (2024)

Graph Foundation Models: A Comprehensive Survey
von: Wang, Zehong, et al.
Veröffentlicht: (2025)

Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

A Simple yet Effective Negative Sampling Plugin for Constructing Positive Sample Pairs in Implicit Collaborative Filtering
von: Wu, Jiayi, et al.
Veröffentlicht: (2026)

Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning
von: Yang, Ruiyi, et al.
Veröffentlicht: (2025)

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

Empowering Heterogeneous Graph Foundation Models via Decoupled Relation Alignment
von: Zheng, Ziyu, et al.
Veröffentlicht: (2026)

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

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

GFT: Graph Foundation Model with Transferable Tree Vocabulary
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

LATEX-GCL: Large Language Models (LLMs)-Based Data Augmentation for Text-Attributed Graph Contrastive Learning
von: Yang, Haoran, et al.
Veröffentlicht: (2024)

Towards Fair Graph Representation Learning in Social Networks
von: Zhang, Guixian, et al.
Veröffentlicht: (2024)

UniGO: A Unified Graph Neural Network for Modeling Opinion Dynamics on Graphs
von: Li, Hao, et al.
Veröffentlicht: (2025)

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

Node Centrality Approximation For Large Networks Based On Inductive Graph Neural Networks
von: Zou, Yiwei, et al.
Veröffentlicht: (2024)