以数据为中心的图学习：综述
机器学习
2024-11-22 v3 社会与信息网络
摘要
人工智能（AI）的历史见证了高质量数据对各种深度学习模型的显著影响，例如用于 AlexNet 与 ResNet 的 ImageNet。近来，AI 界注意力已从设计更复杂神经架构的以模型为中心方法，转向以数据为中心的方法，后者聚焦于更好地处理数据以增强神经模型的能力。在拓扑数据上运行的图学习，在深度学习时代亦扮演重要角色。本综述从以数据为中心视角全面回顾图学习方法，旨在回答三个关键问题：（1）何时修改图数据，（2）图数据的哪一部分需要修改以释放各类图模型的潜力，以及（3）如何保护图模型免受问题数据影响。相应地，我们基于图学习流程中的阶段提出一种新分类法，并强调对图数据中不同数据结构（即拓扑、特征与标签）的处理方法。此外，我们分析图数据中嵌入的一些潜在问题，并讨论如何以数据为中心的方式解决它们。最后，我们提供以数据为中心的图学习的一些有前景的未来方向。
引用
@article{arxiv.2310.04987,
title = {Data-centric Graph Learning: A Survey},
author = {Yuxin Guo and Deyu Bo and Cheng Yang and Zhiyuan Lu and Zhongjian Zhang and Jixi Liu and Yufei Peng and Chuan Shi},
journal= {arXiv preprint arXiv:2310.04987},
year = {2024}
}
备注
20 pages, accepted by IEEE Transactions on Big Data