- motivation
把图的全部节点文本都输入大模型成本过高，但是相邻节点又富含信息，因此希望找到一个方法来对图结构信息做压缩，从而利用大模型来处理图结构
例子：论文的引用关系可以体现论文的主题（相邻节点促进中心节点的分类）
- 核心思想：将图结构和文本做对齐，让GPT读的懂图结构
- 如何做？
不训练GNN和LLM，只训练映射头，而且分两个阶段
第一阶段，让LLM来对图嵌入做排序，让其对应相应的文本嵌入
第二阶段，让LLM针对指定下游任务（在prompt中体现），进行思维链推导，以获得一定的逻辑性
- 如何迁移到下游任务？
子图匹配：将图映射成节点向量序列，问一系列节点分别对应什么
节点分类：将图映射成节点向量序列，问第0个节点是什么
链路预测：将两个图分别映射成嵌入