本文介绍了一种基于图推理的信息抽取框架GraphIE，通过图卷积处理文本单元之间的广泛依赖关系，生成更丰富的表示以提高词级预测的性能，评估表明GraphIE明显优于现有的基于序列标注模型。

Oct, 2018

提取网页主要内容，是许多应用的重要任务，现有方法依赖于大量的手工特征分类。我们提出了一种基于神经序列标注模型的方法，其不依赖于任何手工特征，而是将网页中出现的HTML标签和单词作为输入。我们创建了一个新的数据集，并基于我们的模型开发了浏览器扩展，以直接在浏览器中突出显示任意网页的内容。同时，我们的模型可以适应网页结构的变化，并优于现有最先进的模型。

Apr, 2020

本文提出了一种基于文本丰富网络的最小监督文本分类框架，通过联合训练两个模块，分别为文本分析模块和网络学习模块，从而生成伪标签来提高彼此性能，并在两个真实数据集上测试，结果表明该框架在仅提供三个种子文档时能够取得约92%的准确率，并且优于所有比较方法；其准确率仅比在50K个标记文档上训练的监督BERT模型低不到2%。

Feb, 2021

本文介绍了WebFormer，一种从Web文档中提取结构化信息的Web页面转换模型，借助自然语言模型和图注意力等技术，实现了序列化难以提取出的Web页面标记数据的结构化信息提取，通过SWDE和Common Crawl测试基准得出了比其他先进方法更优越的实验结果。

Feb, 2022

本研究提出了一种基于多特征融合的网页文本提取算法，建立了小型神经网络，采用多种统计信息和提取策略，适应了更多页面类型，避免了手动确定阈值的问题。

Mar, 2022

本文提出了一种称为PPRGN的神经网络，该网络基于Personalized PageRank的思想，通过无样本学习的方式训练图像分类模型，该模型具有无限深度且不会出现过度平滑的问题，在各种节点和图像分类任务中实验表现卓越。

Jul, 2022

本研究提出了一种基于 PLM-GNN 的表示和分类方法，利用预训练语言模型和图神经网络对文本和 HTML DOM 树进行联合编码，有效应对网页数据增长的问题，具有较好的分类性能。

May, 2023

提出了HetGPT，一种通用的后训练提示框架，用于改善预训练的异构图神经网络（HGNNs）的预测性能，并通过多视图邻域聚合机制捕捉异构图中的复杂邻域结构。在三个基准数据集上进行的大量实验证明了HetGPT在半监督节点分类方面改进了最先进的HGNNs的性能。

Oct, 2023

关系抽取是一种从网络上挖掘人类知识的高效方式，本文提出了一种名为GraphScholarBERT的开放领域信息抽取方法，它能够从半结构化的网页中提取目标关系，并能在未见过的领域中进行泛化，无需额外数据或训练，并且与搜索关键词完全匹配。实验证明，GraphScholarBERT在零射击域和零射击网站情境下，相比以往的方法，可以提高抽取的F1分数达34.8%。

Feb, 2024

图序列预训练框架 GSPT 利用统一的文本表示，在图领域中取得了显著的可转移性和实证成功。

Jun, 2024