GNN-as-Judge: Unleashing the Power of LLMs for Graph Learning with GNN Feedback

Diese Arbeit stellt das „GNN-as-Judge“-Framework vor, um die Leistung von LLMs beim Few-Shot Semi-Supervised Learning auf Text-Attributed Graphs (TAGs) mit knappen gelabelten Daten zu verbessern. Die Methode begegnet den Herausforderungen der Erzeugung zuverlässiger Pseudo-Labels und der Minderung von Label-Rauschen durch die Einbeziehung der strukturellen induktiven Verzerrung von GNNs.