Node4All：学习数据集之外的节点表示

节点表示学习发展迅速，但大多数现有方法依赖于每个数据集的训练和超参数调整。这种特定于数据集的优化来自于设计可在不同图数据集上泛化的可重用图模型的困难。在这项工作中，我们引入了 Node4All，这是一种适用于任意图数据集的节点表示学习器，无需任何特定于数据集的优化。 Node4All 建立在两个互补的想法之上。在架构层面，我们引入了 Channel Graph Transformer (CGT)，它支持单个固定参数化来处理任意图数据集。在学习层面，我们提出了基于一系列合成图的自监督学习。这些组件共同实现了超越单个数据集的泛化，这对于现有的架构和学习框架来说是不可行的。我们针对 21 个基线，在 25 个基准测试中对 Node4All 的节点分类进行了广泛评估，涵盖监督方法和自监督方法。尽管所有基线都针对每个数据集进行了训练和优化，但在数据集中统一应用的单个 Node4All 在 21 个基线中取得了第 5 名的竞争排名。此外，Node4All 通过适当的预测器支持一次性和上下文学习，并且在这些设置中优于最新的图基础模型 (GFM)。这些结果表明 Node4All 不仅实现了跨任意图数据集的可重用性，而且在实践中仍然是一个有效的解决方案。代码和模型检查点可在 https://github.com/dooho00/node4all 中找到。