כתבה
arXiv cs.AI ·
קישור מניעה עם GNNs
Reification as a Transferable Vocabulary: Zero-Shot Link Prediction with Vanilla GNNs
חוקרים מציגים שיטה חדשה לניבוי קישורים בגרפים לא ידועים, באמצעות GNNs רגילים. השיטה משתמשת בייצוג גרפי חדש, המאפשר ניבוי קישורים בגרפים שונים. החוקרים בדקו את השיטה על 40 גרפים שונים וקיבלו תוצאות טובות.
תקציר מקורי באנגליתarXiv:2609.11347v1 Announce Type: cross Abstract: Knowledge graph foundation models such as ULTRA achieve zero-shot link prediction on unseen graphs through dedicated architectures that hard-code a transfer mechanism. In this work we move that mechanism out of the architecture and into the representation, by \emph{reifying} the input graph: every fact becomes a node, connected to its subject, object, and relation type through a fixed vocabulary of six meta-relations, with relation types as anonymous shared nodes rather than model parameters. On this representation, five textbook GNNs (GAT, GINE with sum and with mean+max aggregation, GraphSAGE, R-GCN), each trained on a single knowledge graph of 4,245 triples for 30 minutes on one NVIDIA A100, transfer zero-shot to 40 inductive link-predic
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית