Jun, 2024

DTGB：用于动态文字属性图的综合基准

PDF
TL;DR动态文本属性图（DyTAGs）广泛应用于各种真实场景，在其中每个节点和边缘都与文本描述相关联，且图结构和文本描述均随时间变化。为了填补这一空白，我们介绍了动态文本属性图基准（DTGB），这是一个从不同领域的大规模、时间演化的图集合，其中的节点和边缘由动态变化的文本属性和类别丰富。为了促进 DTGB 的使用，我们设计了基于四个真实用例的标准化评估过程：未来链接预测、目标节点检索、边缘分类和文本关系生成。这些任务要求模型理解动态图结构和自然语言，突出了 DyTAGs 所带来的独特挑战。此外，我们对 DTGB 进行了广泛的基准实验，评估了 7 种流行的动态图学习算法及其用于自适应文本属性的 LLM 嵌入的变体，以及 6 个强大的大语言模型（LLMs）。结果显示了现有模型在处理 DyTAGs 方面的局限性。我们的分析还展示了 DTGB 在研究结构和文本动态性融合方面的实用性。提出的 DTGB 促进了 DyTAGs 及其广泛应用的研究。它为评估和推进处理动态图结构和自然语言之间相互作用的模型提供了全面的基准。数据集和源代码可在此链接获取。
dynamic text-attributed graphsdynamic text-attributed graph benchmarktext attributesgraph learning algorithmsnatural language
发现论文，激发创造
  • TEG-DB: 文本 - 边缘图的综合数据集和基准

    介绍了 Textual-Edge Graphs Datasets and Benchmark (TEG-DB) 项目，它是一个包含丰富文本描述在节点和边上的大规模文本边缘数据集，并通过广泛的基准实验证明当前技术，包括预训练语言模型、图神经网络及其组合，可以有效利用文本节点和边缘信息来增强图分析并提供关于复杂真实世界网络的更深入洞察。

    Jun, 2024

  • 时间图基准的实证评估

    通过扩展我们的动态图库 (DyGLib) 到 Temporal Graph Benchmark (TGB)，我们对 TGB 进行了经验评估。在实验中，我们发现一些问题需要解决，包括数据统计不匹配、评估指标计算不准确等；不同模型在各个数据集上表现不同，这与以前的观察相符；当使用 DyGLib 时，一些基准的表现可以显著提高。该工作旨在简化研究人员在 TGB 上评估各种动态图学习方法的工作，并试图提供可以直接参考的结果。

    Jul, 2023

  • 大型语言模型的动态属性图控制文本生成

    控制性文本生成旨在生成具有特定期望属性的文本。本研究中，我们介绍了一种用于大型语言模型的可插拔的控制性文本生成框架（DATG），名为动态属性图控制性文本生成。该框架利用属性评分器评估语言模型生成的句子的属性，并构建动态属性图。DATG 通过调节关键属性词和关键反属性词的出现频率，在不损害模型原始能力的情况下实现了有效的属性控制。我们在两个任务的四个数据集上进行实验：毒性缓解和情感转换，并使用五种语言模型作为基础模型。我们的发现突出了控制精度的显著提高，在四个数据集中最优任务上改进了 19.29％。此外，我们观察到困惑度显著减少，文本流畅性得到显著改善。

    Feb, 2024

  • 用于时态图机器学习的时态图基准测试

    Temporal Graph Benchmark 是一个收集了各种涉及社交、贸易、交通等网络领域的大规模数据集，用于实现机器学习模型在时间图上的现实、可重复和强大的评估。此外，该研究表明对于动态节点属性预测任务，简单的方法往往比现有的时间图模型表现更好，并提供了一个自动化的机器学习流程用于可重复和可访问的时间图研究。

    Jul, 2023

  • TGB 2.0: 时间知识图与异构图学习的基准评测

    多关系时间图是建模现实世界数据的强大工具，研究论文介绍了用于评估方法的新的基准框架，并提供了大规模数据集，重点评估预测未来连接方法的效果。

    Jun, 2024

  • TAGLAS: 在大规模图和语言模型时代的文本属性图数据集图集

    TAGLAS 是一个包含文字属性图数据集和基准测试的图谱，其中包括超过 23 个 TAG 数据集，涵盖引文图到分子图的不同领域和节点分类到图问题回答的不同任务。TAGLAS 的数据集具有统一的节点和边缘文字特征格式，允许在不同领域的多个数据集上同时训练和评估图模型。此项目还提供了标准化、高效和简化的数据集和任务加载方式，以及有用的工具，如文字到嵌入式转换和图到文字转换，以促进不同的评估场景。该项目目前还在建设中，未来将提供更多数据集和特性。

    Jun, 2024

  • 利用大型语言模型进行文本属性图的解耦合表示学习

    通过 Disentangled Graph-Text Learner (DGTL) 模型，结合图结构信息和大型语言模型，提升了对文本属性图的推理能力和预测能力，并且通过提供自然语言解释来显著提高模型的解释性。

    Oct, 2023

  • 动态异构学术图的公共基准测试

    本研究针对机器学习模型在动态图中的学习和推理遇到的挑战，针对传统静态同构图数据集的局限性，提出了一种利用多元素科学出版涵盖的动态异构学术图数据集，测试模型预测任务的效能，并提出了一种系统方法来改善现有的图预测模型评估程序。

    Apr, 2022

  • TAGA：基于图和文本相互转换的自监督学习

    Text-And-Graph Multi-View Alignment (TAGA) is a self-supervised learning framework that integrates Text-Attributed Graphs (TAGs), enabling efficient training and strong performance in zero-shot and few-shot scenarios across multiple datasets.

    May, 2024

  • 使用动态图嵌入轨迹增强跨学科洞见力

    DyGETViz 是一个用于可视化动态图 (DGs) 的新框架，它利用了离散时间动态图 (DTDG) 模型的最新进展，灵活处理动态图中固有的时间动态。DyGETViz 能够有效捕捉图中的微观和宏观结构变化，为表示复杂而庞大的动态图提供了一种强大的方法。通过 DyGETViz 的应用，揭示或证实了各种重要的发现，包括在线社区的内容分享模式和专业化程度的多样性、词汇表在几十年间的时间演化以及与衰老相关和非相关基因展示出的不同轨迹。DyGETViz 通过简化动态图的复杂性，提高了科学发现对非专业人士的可访问性。我们的框架作为一个开源 Python 包发布，可用于各个学科领域。我们的工作不仅解决了可视化和分析 DTDG 模型的持续挑战，还为未来在各个学科领域动态图表示和分析的研究奠定了基础。

    Jun, 2024