GraphCLIP

让图模型像CLIP一样能迁移，文本图任务零样本也能用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 5 🐛 待处理 4 👀 关注 1
GitHub ↗
GitHub 星标 ★ 81
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，本地部署，完全免费。

项目预览

GraphCLIP 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队ZhuYun97
GitHubhttps://github.com/ZhuYun97/GraphCLIP
定价模式🏷️完全免费
价格说明开源项目，本地部署，完全免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
技术栈/模型foundation-models,gnn,graph,graph-foundation-model,llm
GitHub 星标★ 81
上线时间2024-10-08 00:00:00
代码更新2025-02-26
仓库体积61.6 MB
本站数据更新2026-11-08
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

GraphCLIP 是一个针对文本属性图（Text-Attributed Graphs）的图基础模型官方实现，旨在解决图模型在跨域、跨任务迁移时泛化能力不足的问题。它通过将图结构与文本语义对齐，利用对比学习框架（类似 CLIP）统一图与文本的表示空间，从而提升模型在未见图数据上的零样本或少样本迁移能力。核心能力包括：文本与图结构的联合编码、可迁移的图表示学习、以及支持多种下游任务（如节点分类、链接预测）的微调与评估。项目基于 Python 实现，提供模型训练、评估和推理脚本，适合研究图基础模型和文本-图多模态学习的开发者使用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 81

技术标签

核心亮点

  • 提出图-文本对比学习新范式，显著提升图模型跨数据集迁移能力
  • 官方实现，代码结构清晰，包含完整训练与评估流程
  • 支持多种文本属性图基准数据集，便于复现和对比

不足之处

  • 项目处于早期，文档和社区支持待观察
  • 依赖较多外部库，环境配置可能稍复杂

适用场景

  • 学术研究：探索图基础模型的迁移学习与多模态对齐
  • 工业应用：在文本丰富的图数据（如社交网络、知识图谱）上进行零样本节点分类
  • 模型开发：作为基线对比其他图神经网络或图Transformer

替代项目

GraphMAE、GPPT、GraphCL

上一篇：HuBERT-ECG

下一篇：RET-CLIP

同类项目推荐

Nitro-1 开源

一步生成高清图，让扩散模型快如闪电

This repo provides a working re-implementation of Latent Adversarial Diffusion Disti···

★ 126 2026-08-09
Llama-Chinese 开源

让中文开发者轻松上手 Llama，构建中文大模型生态

Llama中文社区，实时汇总最新Llama学习资料，构建最好的中文Llama大模型开源生态，完全开源···

★ 14753 2026-08-09
UForm 开源

小体积多模态模型，图文视频理解快数倍

Pocket-Sized Multimodal AI for content understanding and generation across multiling···

★ 1253 2026-11-06
GFT 开源

用树形词汇表让图模型学会跨数据集迁移，省去重复训练

GFT: Graph Foundation Model with Transferable Tree Vocabulary, NeurIPS 2024.

★ 61 2026-08-09
NExT-GPT 开源

一个模型搞定文本、图像、音频、视频的任意输入输出

Code and models for ICML 2024 paper, NExT-GPT: Any-to-Any Multimodal Large Language ···

★ 3633 2026-08-09
Ovis-Image 开源

轻量级7B模型，让AI生成图片里的文字清晰准确

Ovis-Image is a 7B text-to-image model specifically optimized for high-quality text ···

★ 318 2026-08-09