WWW 2024 | 阿里等提出GraphTranslator，将图模型对齐大语言模型

©作者 | 莫燕虎、孙铭蔚来源 | 北邮 GAMMA Lab论文链接：https://arxiv.org/pdf/2402.07197.pdf代码链接：https://github.com/alibaba/GraphTranslator引言图模型（GM）如图神经网络（GNN），利用节点特征和图结构来学习表征并预测，在多种领域表现出色，但 GM 通常局限于预定义任务如节点分类，难以适应新的类别和任务。而大型语言模型（LLM）如 ChatGPT，在处理开放式任务和理解自然语言指令方面显示了巨大潜力，推动了跨模态研究的发展。最近，将 LLM 应用于图的工作可分为两类，如下图 (a)-1 和 (a)-2 所示：1）利用 LLM 以其海量知识增强节点的文本属性，然后通过 GM 生成预测；2）或者是将节点以 token 或文本的形式，直接输入给 LLM 来作为独立的预测器。然而，这些方法无法同时解决处理预定义的任务和开放式任务。这就很自然地提出了一个问题：「我们能否在图学习 ………………………………