SCGFM-ART：以结构为中心的图基础模型的摊销关系传输

图基础模型（GFM）旨在学习跨严重异构图域的可转移表示。然而，拓扑、图尺度和特征语义方面的严重领域变化阻碍了统一的、与领域无关的表示空间的构建。为了解决这个问题，我们提出了 SCGFM-ART，一种以结构为中心的 GFM 框架，通过摊销关系传输（ART）将任意图对齐到共享关系图谱上。关系图集充当由一组有限的关系地标（基地）定义的通用坐标系，而 ART 直接预测可重用的端到端图到基地的传输计划，绕过昂贵的运行时 Gromov-Wasserstein 优化。根据这个公式，SCGFM-ART 将图分解为统一的表示：全局通过其相对于图集的关系响应坐标，局部通过其节点到角色的结构对应关系。这些对应将不同的节点属性投影到规范的角色空间中，解决单一对齐界面内的结构和语义异质性。将图和图集库严格建模为有限测量的关系空间，我们建立坐标保真度边界，证明预测运输计划下的稳定性，并得出摊销覆盖范围，以保证我们的学习目标紧密替代理想的关系覆盖范围。 SCGFM-ART 对 14 个跨域图和节点级分类任务进行了基准测试，实现了最先进的可转移性，分别确保了 2.29 和 1.14 的优异平均排名。拓扑扰动分析表明，节点角色传输保留了全局坐标之外的细粒度结构细微差别。在现实世界的基准测试中，通过避免测试时的迭代对齐，摊销公式的冻结目标域推理速度提高了 44.2 至 85.1 倍。