这些框架通常采用"预训练 - 微调"的范式:首先在特定数据集上进行预训练,然后针对同一数据集进行微调优化。然而,这种做法难以将模型迁移至全新的、未曾接触过的数据集。...鉴于当前异质图学习框架存在的局限性,本研究旨在解决一个基本问题,以此扩展异质图模型的边界:"是否可以开发出一种高度适应性的通用异质图模型,即使面对节点类型和关系类型分布发生偏移,也能有效地处理各种下游学习任务...传统图模型往往仅关注单一类型的节点及其联系,而忽略了异质性带来的挑战。我们的模型将能够充分捕捉各类节点间错综复杂的语义联系。2) 捕捉属于同一类型实体的丰富特征。...这种方法建立在初始的异构图语料库预训练基础之上,通过利用针对目标任务的监督指令,对模型进行进一步的微调优化,使其更好地适应异构图数据上的特定需求。...相比传统的泛化方法,它能够更好地捕捉异构数据中的复杂语义关联,从而提升模型在特定任务上的推理能力。