FedBook：统一的联邦图形基础代码表，涵盖内部域和外部域知识建模
机器学习
2025-10-10 v1
摘要
基础模型在语言和视觉领域展现出卓越的跨域泛化能力，激发了图形基础模型 (GFM) 的发展。然而，现有 GFM 通常假设对多域图进行集中式访问，这由于隐私和制度限制往往不可行。联邦图形基础模型 (FedGFMs) 解决了这一限制，但其有效性根本取决于构建稳健的全局代码表，该代码表通过整合每个域内部相互强化的语义实现领域内一致性，同时保持跨域多样性以保留跨域异构知识。为此，我们提出 FedBook，一种统一的联邦图形基础代码表，通过服务器端联邦预训练聚合客户端的局部代码表。FedBook 遵循两个阶段的流程：（1）领域内协作，其中低频标记通过参考跨客户端更可靠的高频标记进行细化，以增强领域特定一致性；（2）领域间集成，其中根据代码表语义独特性对客户端贡献进行加权，以保持跨域多样性。8 个基准测试上的大量实验表明，FedBook 在包括孤立监督学习、FL/FGL、联邦化集中 GFM 以及 FedGFM 技术在内的 21 个基线中始终优于表现。
引用
@article{arxiv.2510.07755,
title = {FedBook: A Unified Federated Graph Foundation Codebook with Intra-domain and Inter-domain Knowledge Modeling},
author = {Zhengyu Wu and Yinlin Zhu and Xunkai Li and Ziang Qiu and Rong-Hua Li and Guoren Wang and Chenghu Zhou},
journal= {arXiv preprint arXiv:2510.07755},
year = {2025}
}
备注
Under Review