CITE：面向催化材料的异质文本属性图综合基准
机器学习
2025-08-22 v1 计算与语言
摘要
文本属性图（TAG）在现实系统中普遍存在，其中每个节点都带有自身的文本特征。在许多情况下，这些图本质上是异质的，包含多种节点类型和多样的边类型。尽管此类异质TAG无处不在，但仍缺乏大规模基准数据集。这一短缺已成为关键瓶颈，阻碍了异质文本属性图上表示学习方法的发展和公平比较。在本文中，我们引入了CITE——催化信息文本实体图，这是首个也是最大的面向催化材料的异质文本属性引文图基准。CITE包含超过43.8万个节点和120万条边，涵盖四种关系类型。此外，我们建立了标准化的评估流程，并在节点分类任务上进行了广泛的基准测试，以及对CITE的异质性和文本属性进行了消融实验。我们比较了四类学习范式，包括同质图模型、异质图模型、以LLM（大语言模型）为中心的模型以及LLM+图模型。简而言之，我们提供了（i）CITE数据集的概述，（ii）标准化的评估协议，以及（iii）跨不同建模范式的基线和消融实验。
引用
@article{arxiv.2508.15392,
title = {CITE: A Comprehensive Benchmark for Heterogeneous Text-Attributed Graphs on Catalytic Materials},
author = {Chenghao Zhang and Qingqing Long and Ludi Wang and Wenjuan Cui and Jianjun Yu and Yi Du},
journal= {arXiv preprint arXiv:2508.15392},
year = {2025}
}
备注
23 pages, 4 figures,