综述导读 | Data-centric Graph Learning: A Survey

在人工智能（AI）的发展历程中，高质量数据对于各种深度学习模型（如 ImageNet 对 AlexNet 和 ResNet）起到了重要的推动作用。近年来，相较于设计更为复杂的神经网络结构（model-centric），人工智能社区的关注点逐渐转向了以数据为中心的方法（data-centric）。这一方法注重更有效地处理数据，以增强神经模型的性能。与此同时，图机器学习领域也取得了显著的进展。然而，对于图数据的内在特性，包括质量、多样性、安全性等方面的研究却相对较少。近日，北邮GAMMA Lab师生发布了一篇名为“Data-centric Graph Learning: A Survey”的文章，从数据中心的视角全面回顾了图学习方法，并旨在回答三个关键问题：(1) 何时修改图数据，(2) 需要修改图数据的哪部分来充分发挥各种图模型的潜力，以及(3) 如何保护图模型免受有问题的数据影响。标题：Data-centric Graph Learni ………………………………