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

Cet article propose le framework "GNN-as-Judge" pour améliorer les performances des LLM en apprentissage semi-supervisé few-shot sur les graphes à attributs textuels (TAGs) où les données étiquetées sont rares. La méthode relève les défis de la génération de pseudo-étiquettes fiables et de l'atténuation du bruit d'étiquette en intégrant le biais inductif structurel des GNNs.