HeTGB：用于异构文本属性图的全面基准
计算与语言
2025-03-10 v1 人工智能
摘要
图神经网络（GNN）在主要基于同伪关系假设下建模关系数据方面取得了成功。然而，许多真实图 exhibits 异构性，其中链接节点属于不同类别或拥有多样化属性。此外，许多领域的节点与文本描述相关联，形成异构文本属性图（TAGs）。尽管其重要性显而立见，但由于缺乏全面基准，异构TAG的研究仍未得到充分探索。为填补这一空白，我们引入了异构文本属性图基准（HeTGB），该基准包含来自多个领域的五个真实异构图数据集，节点通过大量文本描述进行丰富化。HeTGB使我们能够系统评估图神经网络、预训练语言模型（PLM）和协训练方法在节点分类任务中的表现。通过大规模基准实验，我们展示了文本属性在异构图中的实用性，分析了异构TAG所带来的挑战以及现有模型的局限性，并提供了图结构与文本属性之间相互作用的见解。我们已公开发布HeTGB并提供基线实现，以促进该领域的进一步研究。
引用
@article{arxiv.2503.04822,
title = {HeTGB: A Comprehensive Benchmark for Heterophilic Text-Attributed Graphs},
author = {Shujie Li and Yuxia Wu and Chuan Shi and Yuan Fang},
journal= {arXiv preprint arXiv:2503.04822},
year = {2025}
}
备注
Under review