Buchumschlag

RoleMAG: Learning Neighbor Roles in Multimodal Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zuo, Yilong, Li, Xunkai, Zhang, Zhihan, Li, Ronghua, Wang, Guoren
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OptiMAG: Structure-Semantic Alignment via Unbalanced Optimal Transport
von: Zuo, Yilong, et al.
Veröffentlicht: (2026)

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

When LLM Agents Meet Graph Optimization: An Automated Data Quality Improvement Approach
von: Zhang, Zhihan, et al.
Veröffentlicht: (2025)

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

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

HIAL: A New Paradigm for Hypergraph Active Learning via Influence Maximization
von: Hou, Yanheng, et al.
Veröffentlicht: (2025)

STAGE: Tackling Semantic Drift in Multimodal Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

Rethinking Graph Out-Of-Distribution Generalization: A Learnable Random Walk Perspective
von: Sun, Henan, et al.
Veröffentlicht: (2025)

DANCE: Dynamic, Available, Neighbor-gated Condensation for Federated Text-Attributed Graphs
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

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

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

Unlocking Graph Structure Learning with Tree-Guided Large Language Models
von: Zhang, Zhihan, et al.
Veröffentlicht: (2025)

BoostFGL: Boosting Fairness in Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

Scalable Topology-Preserving Graph Coarsening: Concepts and Algorithms
von: Wu, Xiang, 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)

OpenGU: A Comprehensive Benchmark for Graph Unlearning
von: Fan, Bowen, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

FedBook: A Unified Federated Graph Foundation Codebook with Intra-domain and Inter-domain Knowledge Modeling
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

ExMAG: Learning of Maximally Ancestral Graphs
von: Ryšavý, Petr, 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)

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

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

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

TFPS: A Temporal Filtration-enhanced Positive Sample Set Construction Method for Implicit Collaborative Filtering
von: Wu, Jiayi, et al.
Veröffentlicht: (2026)

TMTE: Effective Multimodal Graph Learning with Task-aware Modality and Topology Co-evolution
von: Zhu, Yinlin, et al.
Veröffentlicht: (2026)

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

Knowledge-Driven Federated Graph Learning on Model Heterogeneity
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

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