MDGMIX：基于边界感知的多域图预训练子图混合
机器学习
2026-05-26 v1 人工智能
摘要
多域图预训练是构建具跨域泛化能力的基础图模型的关键步骤。然而，现有方法主要依赖对所有源域图进行联合训练，导致计算成本高昂。此外，是否所有源域图数据对有效迁移都贡献均等仍不明确。本文经验性地揭示了多域图预训练中存在显著的数据冗余。基于此发现，我们提出了一种多域图预训练框架 MDGMIX，结合边界感知子图混合与层次判别。通过选择边界节点构建具有挑战性的混合域子图，MDGMIX 使用粗粒度域判别和细粒度域分解损失，将共享模式与域特定模式分离。适应阶段，MDGMIX 采用轻量级提示加权机制传输源域知识。大量实验表明，MDGMIX 在few-shot 分类任务中 consistently 优于强大基线，同时在时间和内存效率方面表现出色。代码已公开：https://github.com/zhengziyu77/MDGMIX。
引用
@article{arxiv.2605.25771,
title = {MDGMIX: Boundary-Aware Subgraph Mixing for Multi-Domain Graph Pre-Training},
author = {Ziyu Zheng and Yaming Yang and Ziyu Guan and Wei Zhao and Xinyan Huang},
journal= {arXiv preprint arXiv:2605.25771},
year = {2026}
}
备注
Accepted by ICML2026