<h1 align="center"><b>大规模图模型精选资源</b></h1> <p align="center"> <a href="https://github.com/THUMNLab/awesome-large-graph-model/pulls"><img src="https://img.shields.io/badge/PRs-Welcome-green" alt="PRs"></a> <a href="https://awesome.re"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/257ac57b-8108-4def-aa4b-756a6e7320af.svg" alt="awesome"></a>  <img src="https://img.shields.io/github/stars/THUMNLab/awesome-large-graph-model?color=yellow&label=Star" alt="Stars" > <img src="https://img.shields.io/github/forks/THUMNLab/awesome-large-graph-model?color=blue&label=Fork" alt="Forks" > </p>

本仓库收集了与大规模图模型相关的论文列表。类似于自然语言处理领域的大型语言模型（LLMs），我们相信大规模图模型将为图机器学习带来革命性的变革，为研究人员和实践者创造令人兴奋的机会！更多详情，请参阅我们的观点论文：图遇大语言模型：迈向大规模图模型

我们将尽最大努力保持此论文列表的更新。如果您发现有相关论文遗漏或有任何建议，请随时通过我们仓库的拉取请求与我们联系。

论文

观点与综述

总览

[NeurIPS 2023 GLFrontiers研讨会] 图遇大语言模型：迈向大规模图模型 [论文]
[arXiv 2024.02] 图机器学习基础的未来方向 [论文]
[arXiv 2024.02] 图基础模型 [论文]
[arXiv 2023.12] 图上的大型语言模型：全面综述 [论文]
[arXiv 2023.11] 图与大型语言模型的结合：进展与未来方向综述 [论文]
[arXiv 2023.10] 迈向图基础模型：综述与展望 [论文]
[arXiv 2023.10] 将图与大型语言模型整合：方法与前景 [论文]

提示学习

[arXiv 2024.02] 图上的小样本学习：从元学习到预训练和提示学习 [论文]
[arXiv 2023.11] 图提示学习：全面综述与展望 [论文]
[arXiv 2023.03] 图提示方法综述：技术、应用和挑战 [论文]

模型

作为图模型的大语言模型

2024年

[arXiv 2024.02] 为多模态大语言模型中的图推理渲染图 [论文]
[arXiv 2024.02] 探索大语言模型在图推理方面的局限性 [论文]
[arXiv 2024.01] 文本图上大语言模型的高效微调和推理 [论文]
[arXiv 2024.01] 使用大语言模型在大规模异构图上进行可扩展的链接预测 [论文]
[arXiv 2024.01] ChatGraph：与您的图表对话 [论文]

2023年

[NeurIPS 2023] 语言模型能用自然语言解决图问题吗？ [论文] [代码]
[NeurIPS 2023] WalkLM：用于属性图嵌入的统一语言模型微调框架 [论文]
[EMNLP 2023] 释放语言模型在文本属性图中的力量 [论文]
[ICML 研讨会 2023] 使用预训练语言模型用自然语言解决图任务 [论文]
[arXiv 2023.12] 图上大语言模型的高效微调 [论文]
[arXiv 2023.11] 大语言模型作为文本属性图的拓扑结构增强器 [论文]
[arXiv 2023.10] LLM4DyG：大语言模型能解决动态图问题吗？ [论文]
[arXiv 2023.10] 使用大语言模型进行文本属性图的解耦表示学习 [论文]
[arXiv 2023.10] 利用大语言模型增强文本属性图学习 [论文]
[arXiv 2023.10] GraphLLM：提升大语言模型的图推理能力 [论文] [代码]
[arXiv 2023.10] 超越文本：深入探讨大语言模型理解图数据的能力 [论文]
[arXiv 2023.10] 使用大语言模型进行图上的无标签节点分类 [论文] [代码]
[arXiv 2023.10] 像图一样说话：为大语言模型编码图 [论文]
[arXiv 2023.10] GraphText：在文本空间中进行图推理 [论文]
[arXiv 2023.10] 一模适万能：训练一个图模型适用于所有分类任务 [论文] [代码]
[arXiv 2023.09] 大语言模型能否有效利用结构信息进行图学习：何时及为什么 [论文] [代码]
[arXiv 2023.08] 评估大语言模型在图上的表现：性能洞察和比较分析 [论文] [代码]
[arXiv 2023.08] 自然语言是图所需的全部 [论文]
[arXiv 2023.08] SimTeG：一种令人沮丧的简单方法改进了文本图学习 [论文] [代码]
[arXiv 2023.07] 探索大型语言模型（LLMs）在图学习中的潜力 [论文] [代码]
[arXiv 2023.05] 解释作为特征：基于LLM的文本属性图特征 [论文] [代码]
[arXiv 2023.05] GPT4Graph：大型语言模型能否理解图结构数据？一项实证评估与基准测试 [论文]

图提示

2024年

[WWW 2024] MultiGPrompt：图上多任务预训练和提示 [论文]
[AAAI 2024] HGPROMPT：连接同构和异构图的少样本提示学习 [论文]
[AAAI 2024] 测量任务相似性及其在图神经网络微调中的应用 [论文] [代码]
[KBS 2024] GPL-GNN：图神经网络的图提示学习 [论文] [代码]
[IPM 2024] G-Prompt：基于图元的图分类提示调优 [论文]

2023年

[NeurIPS 2023] PRODIGY：实现图上的上下文学习 [论文] [代码]
[NeurIPS 2023] 图神经网络的通用提示调优 [论文]
[MM 2023] 用于节点分类的传播链提示 [论文]
[CVPR 2023] 深度图重编程 [论文]
[KDD 2023] 一网打尽：图神经网络的多任务提示 [论文] [代码]
[WWW 2023] GraphPrompt：统一图神经网络的预训练和下游任务 [论文] [代码]
[WWW 2023] 知识图谱迁移的结构预训练和提示调优 [论文] [代码]
[KDD 2022] GPPT：图预训练和提示调优以泛化图神经网络 [论文]
[arXiv 2023.11] 广义图提示：统一图上的预训练和下游任务 [论文] [代码]
[arXiv 2023.10] 使用基于结构的提示增强图神经网络 [论文]
[arXiv 2023.10] HetGPT：利用提示调优增强预训练异构图神经网络的能力 [论文]
[arXiv 2023.10] ULTRA-DP：统一图预训练与多任务图双重提示 [论文]
[arXiv 2023.10] 多视图图对比学习的提示调优 [论文]
[arXiv 2023.09] 基于提示的节点特征提取器用于文本属性图的少样本学习 [论文]
[arXiv 2023.09] 图转换器的深度提示调优 [论文]
[arXiv 2023.07] 基于提示的零样本和少样本节点分类：多模态方法 [论文]
[arXiv 2023.02] SGL-PT：具有图提示调优的强大图学习器 [论文]

图参数高效微调

[AAAI 2024] G-Adapter：面向图transformer网络的结构感知参数高效迁移学习 [论文]
[AAAI 2024] AdapterGNN：高效增量调整提升图神经网络的泛化能力 [论文]
[arXiv 2023.08] 搜索微调预训练图神经网络用于图级任务 [论文]

应用

知识图谱

[arXiv 2023.08] 大型语言模型和知识图谱：机遇与挑战 [论文]
[arXiv 2023.06] 统一大型语言模型和知识图谱：一份路线图 [论文]

分子

[NeurIPS 2023] GIMLET：基于指令的分子零样本学习统一图文模型 [论文] [代码]
[arXiv 2023.09] DrugChat：为药物分子图赋予类ChatGPT能力 [论文] [代码]
[arXiv 2023.08] GIT-Mol：面向分子科学的多模态大型语言模型，集成图、图像和文本 [论文]
[arXiv 2023.07] 大型语言模型能否增强分子性质预测？ [论文] [代码]

神经架构搜索

[arXiv 2023.12] 基于GPT-4的异构图神经架构搜索 [论文]
[arXiv 2023.10] 基于GPT-4的图神经架构搜索 [论文]
[arXiv 2023.09] 通过基于LLM的自主智能体释放图学习的力量 [论文]
[arXiv 2023.02] EvoPrompting：用于代码级神经架构搜索的语言模型 [论文] [代码]

其他

[arXiv 2023.10] AUTOPARLLM：基于GNN指导的大型语言模型自动代码并行化 [论文]
[arXiv 2023.09] VulnSense：通过图神经网络和语言模型的多模态学习实现以太坊智能合约的高效漏洞检测 [论文]
[arXiv 2023.08] FoodGPT：基于增量预训练和知识图谱提示的食品检测领域大型语言模型 [论文]
[arXiv 2023.06] 基于ChatGPT的图神经网络用于股票走势预测 [论文]
[arXiv 2023.05] 图遇上LLM：一种用于稳健对话理解的协同过滤新方法 [论文]

大语言模型的图结构

思维图谱

[arXiv 2023.08] 思维导图：知识图谱提示激发大语言模型的思维图谱 [论文]
[arXiv 2023.08] 思维图谱：利用大语言模型解决复杂问题 [论文] [代码]
[arXiv 2023.08] 增强大语言模型的推理能力：基于图的验证方法 [论文]
[arXiv 2023.08] 通过新框架提升大语言模型的逻辑推理能力：思维图谱 [论文]
[arXiv 2023.08] 像专家一样思考：多模态超图思维(HoT)推理以增强基础模型 [论文]
[arXiv 2023.07] 基于图的思考：大语言模型结合知识图谱的深度和负责任推理 [论文]
[arXiv 2023.05] 超越思维链：大语言模型中有效的思维图谱推理 [论文]

图作为工具

[arXiv 2023.05] StructGPT：大语言模型推理结构化数据的通用框架 [论文] [代码]
[arXiv 2023.04] Graph-ToolFormer：通过ChatGPT增强提示来赋予大语言模型图推理能力 [论文] [代码]

引用

如果您觉得这个仓库有帮助，请考虑引用我们的观点论文：

@article{zhang2023large,
  title={Graph Meets LLMs: Towards Large Graph Models},
  author={Zhang, Ziwei and Li, Haoyang and Zhang, Zeyang and Qin, Yijian and Wang, Xin and Zhu, Wenwu},
  journal={NeurIPS 2023 GLFrontiers Workshop},
  year={2023}
}