Awesome-LLM4Graph-Papers

Awesome-LLM4Graph-Papers

大型语言模型与图学习的融合:前沿研究进展

该项目汇集大型语言模型(LLM)在图学习领域的最新论文和资源,将相关方法分为GNN前缀、LLM前缀、LLM-图集成和纯LLM四大类。项目提供详细分类说明和可视化图表,助力研究人员快速把握领域动态。内容定期更新,欢迎社区贡献,是LLM与图学习交叉研究的重要参考。

LLM图学习自然语言处理图神经网络多模态学习Github开源项目

优秀的LLM4Graph论文集

Awesome <img src="https://badges.pufler.dev/visits/hkuds/Awesome-LLM4Graph-Papers?style=flat-square&logo=github">

这是一个关于大型语言模型(LLM)用于图学习(Graph)的论文和资源集合。

图是一种用于表示现实世界关系的重要数据结构。先前的研究表明,图神经网络(GNNs)在图相关任务中(如链接预测和节点分类)取得了令人印象深刻的结果。尽管取得了这些进展,数据稀疏性和有限的泛化能力等挑战仍然存在。最近,大型语言模型(LLMs)在自然语言处理领域引起了关注。它们在语言理解和总结方面表现出色。将LLMs与图学习技术结合已经引起了人们的兴趣,这被认为是提高图学习任务性能的一种方法。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/f9a03e21-cf8e-4a97-8ffe-3f7b4bc6ac7a.png" alt="框架" /> </p>

新闻

🤗 我们正在积极开展这个项目,非常感谢您的关注!为了及时了解最新进展,请考虑点击星标关注以获取更新。

概述

本仓库收集了最近在使用大型语言模型(LLMs)建模图结构数据方面的进展。我们根据四个主要范式和九个二级类别对这些方法进行了分类和总结。四个主要类别包括:1) GNNs作为前缀,2) LLMs作为前缀,3) LLMs-图集成,4) 仅使用LLMs

  • GNNs作为前缀
<p align='center'> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/6e725f07-c557-43b2-b8bd-3673b25f665b.png" width=60% alt="GNNs作为前缀" /> </p>
  • LLMs作为前缀
<p align='center'> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d15da6ff-ff19-492a-b90b-c2938642bae2.png" width=60% alt="LLMs作为前缀" /> </p>
  • LLMs-图集成
<p align='center'> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/acf0ece6-7a4b-42df-956d-a3cc366352f1.png" width=60% alt="LLMs-图集成" /> </p>
  • 仅使用LLMs
<p align='center'> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/dd8953d2-9ae7-4757-95f4-09a9e184d505.png" width=60% alt="仅使用LLMs" /> </p>

我们希望这个仓库对您在推荐系统自监督学习领域的研究或实践有所帮助。如果您觉得它有用,请考虑引用我们的工作:

@article{ren2024survey, title={A Survey of Large Language Models for Graphs}, author={Ren, Xubin and Tang, Jiabin and Yin, Dawei and Chawla, Nitesh and Huang, Chao}, journal={arXiv preprint arXiv:2405.08011}, year={2024} } @inproceedings{huang2024large, title={Large Language Models for Graphs: Progresses and Directions}, author={Huang, Chao and Ren, Xubin and Tang, Jiabin and Yin, Dawei and Chawla, Nitesh}, booktitle={Companion Proceedings of the ACM on Web Conference 2024}, pages={1284--1287}, year={2024} }

目录

相关资源

  • 图上的大型语言模型:全面综述 [论文]
  • 图遇上大型语言模型:进展和未来方向综述 [论文]

🌐 图神经网络作为前缀

节点级别令牌化

  • (SIGIR'2024) GraphGPT:大型语言模型的图指令调优 [论文]
  • (arxiv'2024) HiGPT:异构图语言模型 [论文]
  • (WWW'2024) GraphTranslator:将图模型与大型语言模型对齐以进行开放式任务 [论文]
  • (arxiv'2024) UniGraph:从自然语言学习跨域图基础模型 [论文]
  • (NeurIPS'2024) GIMLET:基于指令的分子零样本学习的统一图文模型 [论文]
  • (arxiv'2024) XRec:用于可解释推荐的大型语言模型 [论文]

图级别

  • (arxiv'2023) GraphLLM:提升大型语言模型的图推理能力 [论文]
  • (Computers in Biology and Medicine) GIT-Mol:用于分子科学的多模态大型语言模型,包含图、图像和文本 [论文]
  • (EMNLP'2023) MolCA:使用跨模态投影器和单模态适配器的分子图-语言建模 [论文]
  • (arxiv'2023) InstructMol:多模态集成构建药物发现中多功能可靠的分子助手 [论文]
  • (arxiv'2024) G-Retriever:用于文本图理解和问答的检索增强生成 [论文]
  • (AAAI'2024) 使用大型语言模型的图神经网络提示 [论文]

🌐 大型语言模型作为前缀

大型语言模型嵌入用于图神经网络

  • (arxiv'2023) 用于文本属性图少样本学习的基于提示的节点特征提取器 [论文]
  • (arxiv'2023) SimTeG:一种令人沮丧的简单方法改进了文本图学习 [论文]
  • (KDD'2023) 在大规模图语料上预训练的图感知语言模型可以帮助多种图应用 [论文]
  • (ICLR'2024) 一举多得:为所有分类任务训练一个图模型 [论文]
  • (ICLR'2024) 利用解释:LLM到LM解释器用于增强文本属性图表示学习 [论文]
  • (WSDM'2024) LLMRec:使用图增强的大型语言模型进行推荐 [论文]

大型语言模型标签用于图神经网络

  • (arxiv'2024) OpenGraph:迈向开放图基础模型 [论文]
  • (arxiv'2023) 使用大型语言模型(LLMs)进行无标签图节点分类 [论文]
  • (arxiv'2024) GraphEdit:用于图结构学习的大型语言模型 [论文]
  • (WWW'2024) 使用大型语言模型进行推荐的表示学习 [论文]

🌐 大型语言模型-图集成

图神经网络和大型语言模型的对齐

  • (arxiv'2022) 将分子图与自然语言关联的分子多模态基础模型 [论文]
  • (arxiv'2023) ConGraT:用于联合图和文本嵌入的自监督对比预训练 [论文]
  • (arxiv'2023) 在图增强的低资源文本分类上进行提示调优 [论文]
  • (arxiv'2023) GRENADE:用于文本属性图自监督表示学习的以图为中心的语言模型 [论文]
  • (Nature Machine Intelligence'2023) 用于基于文本检索和编辑的多模态分子结构-文本模型 [论文]
  • (arxiv'2023) 用文本属性异构图预训练语言模型 [论文]
  • (arxiv'2022) 通过变分推断学习大规模文本属性图 [论文]

图神经网络和大型语言模型的融合训练

  • (ICLR'2022) GreaseLM:增强图推理的语言模型用于问答 [论文]
  • (arxiv'2023) 用大型语言模型进行文本属性图的解耦表示学习 [论文]
  • (arxiv'2024) 文本图上大型语言模型的高效调优和推理 [论文]
  • (WWW'2024) 图神经网络能成为大型语言模型的好适配器吗? [论文]

图的大型语言模型代理

  • (ACL'2023) 不要生成,要区分:将语言模型与现实环境联系起来的提议 [论文]
  • (arxiv'2022) 图代理:图的显式推理代理 [论文]
  • (arxiv'2024) 大型语言模型的中间件:工具对复杂环境中的语言代理至关重要 [论文]
  • (arxiv'2023) 需要时呼叫我:大型语言模型可以高效忠实地推理结构化环境 [论文]
  • (ICLR'2024) 图上的推理:忠实和可解释的大型语言模型推理 [论文]

🌐 仅使用大语言模型

无需微调

  • (NeurIPS'2024) 语言模型能用自然语言解决图问题吗?[论文]
  • (arxiv'2023) GPT4Graph:大型语言模型能理解图结构数据吗?实证评估与基准测试 [论文]
  • (arxiv'2023) 超越文本:深入探讨大型语言模型理解图数据的能力 [论文]
  • (KDD'2024) 探索大型语言模型(LLMs)在图学习中的潜力 [论文]
  • (arxiv'2023) Graphtext:文本空间中的图推理 [论文]
  • (arxiv'2023) 像图一样对话:为大型语言模型编码图 [论文]
  • (arxiv'2023) LLM4DyG:大型语言模型能解决动态图问题吗?[论文]
  • (arxiv'2023) 我应该使用哪种模态——文本、图案还是图像?:用大型语言模型理解图 [论文]
  • (arxiv'2023) 当图数据遇到多模态:图理解和推理的新范式 [论文]

需要微调

  • (arxiv'2023) 自然语言是图所需的全部 [论文]
  • (NeurIPS'2024) WalkLM:用于属性图嵌入的统一语言模型微调框架 [论文]
  • (arxiv'2024) LLaGA:大型语言和图助手 [论文]
  • (arxiv'2024) InstructGraph:通过以图为中心的指令微调和偏好对齐提升大型语言模型 [论文]
  • (arxiv'2024) ZeroG:调查图中跨数据集零样本迁移能力 [论文]
  • (arxiv'2024) GraphWiz:用于图问题的指令遵循语言模型 [论文]
  • (arxiv'2024) GraphInstruct:赋予大型语言模型图理解和推理能力 [论文]
  • (arxiv'2024) MuseGraph:面向通用图挖掘的大型语言模型图导向指令微调 [论文]

贡献

如果您发现相关资源,欢迎提交拉取请求。

- (期刊/会议'20XX) **论文名称** [[论文](https://github.com/HKUDS/Awesome-LLM4Graph-Papers/blob/main/链接]

要将论文添加到调查中,请考虑在PR中提供更详细的信息 😊

GNNs作为前缀
  - (节点级标记化 / 图级标记化)
LLMs作为前缀
  - (LLMs的嵌入用于GNNs / LLMs的标签用于GNNs)
LLMs-图集成
  - (GNNs和LLMs的对齐 / GNNs和LLMs的融合训练 / LLMs用于图的代理)
仅使用LLMs
  - (无需微调 / 需要微调)
请也考虑提供关于该方法的简短介绍,以帮助我们快速将论文添加到我们的调查中 :)

致谢

我们的README.md设计受到Awesome-LLM-KGAwesome-LLMs-in-Graph-tasks的启发,感谢他们的工作!

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多