AutoG: 面向表格数据的自动图构建
机器学习
2025-11-13 v4
摘要
近年来，图机器学习 (GML) 在诸多领域取得了显著进展，但其关注主要集中在开发强大的模型上，往往忽视了一个关键初始步骤：从常见的数据格式（如表格数据）构建合适图结构。这一构建过程是应用图基模型的基础，但目前仍 largely 未受到深入研究且缺乏正式化。本研究旨在弥合这一差距，通过正式化图构建问题并提出有效解决方案。我们识别出实现此目标的两个关键挑战：1. 缺乏专门的数据集来正式化和评估图构建方法的有效性；2. 现有的自动构建方法仅能适用于特定情况，生成高质量图需要人工操作。为应对这些挑战，我们提出了两方面的贡献：首先，引入一套数据集以正式化和评估图构建方法；其次，提出一种基于大语言模型 (LLM) 的解决方案AutoG，无需人工干预即可自动生成高质量图模式。实验结果表明，构建图的质量对下游任务性能至关重要，AutoG 能生成与人类专家相当的高质量图。我们的代码可访问于 https://github.com/amazon-science/Automatic-Table-to-Graph-Generation。
引用
@article{arxiv.2501.15282,
title = {AutoG: Towards automatic graph construction from tabular data},
author = {Zhikai Chen and Han Xie and Jian Zhang and Xiang song and Jiliang Tang and Huzefa Rangwala and George Karypis},
journal= {arXiv preprint arXiv:2501.15282},
year = {2025}
}
备注
camera ready version, update meta info,accepted by ICLR 2025 https://openreview.net/forum?id=hovDbX4Gh6