TAHB：面向文本属性超图学习的综合基准

超图能有效建模超越成对交互的高阶群体关系，而预训练语言模型（PLM）和大语言模型（LLM）能从文本属性中提供丰富的语义理解。然而，由于缺乏公开的文本属性超图基准，将语言模型与超图学习相结合的研究仍然有限。为解决这一局限，我们提出TAHB（文本属性超图基准），这是首个整合超图结构与原始文本属性的公开基准。TAHB包含来自电商、学术、电影和政治网络四个领域的10个真实世界数据集，支持对文本感知超图表示学习的系统评估。实验结果表明，TAHB保留了真实世界超图的关键结构性质，并一致复现了现有基准中观察到的性能趋势。此外，在LLM-as-Enhancer和LLM-as-Predictor两种设置下的实验表明，LLM增强的文本语义能提升超图学习性能，而结构信息与文本信息联合则为基于LLM的预测提供最佳设置。我们的基准为超图学习与语言模型交叉领域的未来研究奠定了基础。