人工智能发展历史中，高质量数据对各种深度学习模型的影响显著。最近，与基于模型的方法相比，AI 社区的关注重点转向了基于数据的方法，即更好地处理数据以增强神经模型的能力。这项调查从数据为中心的角度全面回顾了图学习方法，并旨在回答两个关键问题：（1）何时修改图数据和（2）如何修改图数据以发掘各种图模型的潜力。我们提出了一个基于图学习流程阶段的新分类法，并强调了处理图数据中不同数据结构（如拓扑、特征和标签）的方法。此外，我们分析了嵌入图数据中的一些潜在问题，并讨论了如何以数据为中心的方式来解决它们。最后，我们提供了一些关于数据为中心的图学习未来发展方向的前景。

Oct, 2023

本文综述了数据驱动人工智能的必要性，以及针对训练数据开发、推理数据开发和数据维护三个方面的代表性方法，同时讨论了该领域的挑战和各种任务的基准，并提供了一份数据驱动人工智能资源列表。

Mar, 2023

讨论数据与机器学习工程的重要性以及如何应用于数据中心人工智能领域。

Dec, 2021

本篇论文提出了以数据为中心的人工智能研究视角，着重于大型语言模型。我们首先观察到在 LLM 的发展阶段（如预训练和微调）和推理阶段（如上下文学习）中，数据起着重要作用，但却在研究社区中受到了不对称的关注。我们确定了四个以数据为中心的具体情景，涵盖数据中心的基准和数据策划、数据属性、知识传递以及推理上下文化。在每个情景中，我们强调了数据的重要性，突出了有前景的研究方向，并阐述了对研究社区和整个社会可能产生的影响。例如，我们提倡为 LLM 的规模和复杂性量身定制一套以数据为中心的基准。这些基准可用于开发新的数据策划方法、记录研究工作和结果，有助于促进人工智能和 LLM 研究的开放性和透明度。

Jun, 2024

本文概述了数据中心人工智能 (Data-centric AI) 的概念以及其在数据质量、模型性能、后续部署及实际应用中的作用，阐明了数据驱动的 AI 设计方法，明确了 6 个指导原则，对未来 DCAI 的发展方向做了方向性解释。

Nov, 2022

本文提出了用于数据中心机器学习的检查清单框架，以引导从数据收集到系统部署的全过程所必需的注意事项，并强调数据中心人工智能的挑战和研究机会。

Nov, 2022

本文讨论了数据在构建 AI 系统中的作用，强调了数据质量和可靠性的重要性。作者提出三个任务：培训数据开发、评估数据开发和数据维护，并列举了一些挑战和展望。

Jan, 2023

在图机器学习中，数据的收集、共享和分析往往涉及多个参与方，每个参与方可能需要不同级别的数据安全和隐私保护。为此，在保护敏感信息方面，保持隐私非常重要。在大数据时代，数据实体之间的关系变得前所未有的复杂，越来越多的应用程序利用了支持网络结构和相关属性信息的先进数据结构（即图）。迄今为止，许多基于图的人工智能通过生成隐私保护图数据的方法和传输隐私保护信息（例如图模型参数）的方法来实现基于优化的计算，当在多个参与方之间共享数据是有风险或不可能时。除了讨论相关的理论方法和软件工具外，我们还讨论了当前的挑战，并突出了隐私保护图机器学习的若干未来研究机会。最后，我们构想了一个统一而综合的安全图机器学习系统。

Jul, 2023

图结构数据是从社交网络到生化分析等领域广泛存在的，它们为不同实际系统提供了基础。而图神经网络在建模这种类型的数据时具有很高的成功率，但通常依赖于大量标记数据，这在实际场景中具有有限的注释资源时带来挑战。为了解决这个问题，我们在低资源环境下增强图机器学习性能进行了巨大努力，探索了各种最小监督方法。本文首次介绍了数据高效图学习 (DEGL) 的新概念作为研究前沿，并总结了当前 DEGL 进展的首份综述。我们首先强调了在使用大量标记数据训练模型时固有的挑战，为我们对 DEGL 的探索铺平道路。接着，我们系统地回顾了最近在这个主题上的一些关键进展，包括自监督图学习、半监督图学习和小样本图学习。我们还提出了未来研究的有望方向，为图机器学习的发展作出了贡献。

Feb, 2024

现代机器学习在地理空间领域取得了巨大的进展，而数据中心学习方法的应用对于提高精度、泛化能力和实际应用产生了积极作用。本文提出了一种自动化数据中心学习方法的定义和精确分类，总结了地理空间领域的相关研究，并将其归类为不同的组别，通过具体的实现例子展示了如何利用数据中心机器学习方法对地理空间数据进行操作。

Dec, 2023