基于大语言模型的可信图神经网络：系统综述与分类法
机器学习
2025-02-13 v1 人工智能
摘要
随着图神经网络（GNNs）在各领域的广泛应用，其可信性已成为研究的焦点。一些现有研究表明，大语言模型（LLMs）的整合可以提升 GNNs 的语义理解和生成能力，从而从多个方面改善 GNNs 的可信性。我们的综述引入了一个分类法，为研究人员提供了一个清晰的框架来理解不同方法的原理和应用，并帮助阐明各种方法之间的联系与差异。然后我们沿着分类法的四个类别系统地调查代表性方法。通过我们的分类法，研究人员可以理解每种方法在 GNNs 与 LLMs 可信整合中的适用场景、潜在优势和局限性。最后，我们提出了一些关于 LLMs 与 GNNs 整合以提升模型可信性的有前景的方向和未来趋势。
引用
@article{arxiv.2502.08353,
title = {Trustworthy GNNs with LLMs: A Systematic Review and Taxonomy},
author = {Ruizhan Xue and Huimin Deng and Fang He and Maojun Wang and Zeyu Zhang},
journal= {arXiv preprint arXiv:2502.08353},
year = {2025}
}
备注
Submitted to IJCAI 2025