ICML 2024 | 图上的泛化挑战：从不变性到因果性

文章预览

©PaperWeekly 原创 · 作者 |  吴齐天 单位 |  上海交通大学博士生 研究方向 |  机器学习与图深度学习 图机器学习目前仍然是一个热门的研究方向，特别是在 AI4Science 的浪潮推动下，涌现出越来越多样化的图数据的应用场景。不同于一般的图像和文本数据，图（Graph）是一种数学抽象后的数据形式，用以描述一个系统中实体的属性和实体之间的相互作用关系。因此，图结构数据不仅可以描述不同尺度、不同规模的真实物理系统（如分子、蛋白质、社交网络等），也可以表达某种建模后的拓扑关系（如场景图、工业流程、思维链等）。 如何构建面向图数据的通用基础模型（Foundation Model）是近期备受关注的研究问题。尽管现有的方法，如图神经网络（GNNs）、Graph Transformer 等，已经展现出了强大的表征能力，但是机器学习模型在图结构数据上的泛化性（G ………………………………