本篇论文综述了预训练图模型 (Pretrained Graph Models) 的现状，将现有的 PGMs 基于四个不同维度进行了分类，并探讨了其在社交推荐和药物研究等领域中的应用，最后提出了未来研究方向。

Feb, 2022

本文介绍了开放式关系建模问题，引入了使用定义实体进行条件生成类型的关系描述的方法，并将推理路径和选择机制包括在内以帮助在知识图谱数据上进行开放式关系建模。实验结果表明，该模型能够生成简洁但信息丰富的关系描述，捕捉实体的代表性特征。

Aug, 2021

本文提出了三种知识图谱表征模型，分别是 HypER、TuckER 和 MuRP，它们都能够自动预测缺失的关系，并且在性能方面不断取得进步。同时，该文还将最新的理论研究成果推广到了知识图谱的领域，探讨了如何在这些模型中编码不同种类的关系。

Jan, 2022

本研究探讨了将图而非超图作为表示实际世界互联系统的建模选择的影响，提出了超图投影导致高阶关系丢失的两个普遍模式，并量化了在无额外帮助下恢复丢失高阶结构的组合不可能性。此外，基于学习的超图重建方法通过使用超边分布的重要统计量，在不同设置下在 8 个真实世界数据集上展示了良好的性能，并通过蛋白质排名和链接预测的用例展示了重建超图的优势。

Jan, 2024

本文介绍了一种基于图的个性化模型方法，该方法结合了异构图神经网络（HGNN）和大型语言模型（LLM）来实现多类型物品的个性化推荐，并在一个真实的工业音频流平台上进行了严谨的测试和有效性验证。

Mar, 2024

本文探讨了使用关系来进行对象检测和实例分割的有效性，并提出了一种基于关系先验的特征增强模型（RP-FEM），该模型通过图形变换器利用关系先验增强对象建议特征。实验结果表明，利用增加了关系先验的场景图可提高对象检测与实例分割的效果。RP-FEM 通过抑制图像中不太可能的类别预测和生成重复预测的问题，在基准模型的基础上取得了改进。

Oct, 2023

本文介绍了关系机器学习中如何统计建模大型知识图谱，以预测世界中新的事实，包括潜在特征模型和图中可观察模式互补的统计关系建模方法，以及与文本信息抽取相结合，自动构建知识图谱的实践。

Mar, 2015

这篇论文综合了基于图知识的微观和宏观视角，对图基础模型的自我监督预训练任务进行了综述和分析，并包括了 9 个知识类别和 25 个预训练任务，以及各种下游任务适应策略。

Mar, 2024

提出了图基础模型（GFMs）的概念，并对其关键特征和技术进行首次全面阐述，然后将现有工作根据其依赖性分为三类，即基于图神经网络和大语言模型。本文不仅提供了对当前图基础模型领域的综合概述，还讨论了这一发展中领域的潜在研究方向。

Oct, 2023

本文提出了一种基于超链接进行预训练的方法，并将其应用于信息检索（IR）任务中，实验结果表明此方法在大规模的 IR 和问答数据集上具有优越性。

Sep, 2022