few-shot node classification | BriefGPT

关键词few-shot node classification

搜索结果 - 7

CPT：适用于少样本节点分类的能力逐步训练策略
提出了一种新的两阶段课程学习方法（CPT），它通过使任务的难度与元学习者的逐步能力相一致，提高了整体性能，并在流行的节点分类数据集上进行了大量实验证明了我们的策略相比现有方法的显著改进。
PDF5 months ago
WSDM基于分布一致性的稀疏标签图神经网络自训练
提出了一种新颖的分布一致图自训练（DC-GST）框架，通过显式地解决自训练过程中扩展训练集与测试集之间的分布差异，识别既具有信息量又能弥补分布差异的伪标记节点，并通过可微分的优化任务进行建模。采用了考虑分布差异的边预测器来增强图，提高模型在
PDF6 months ago
图对比学习遇见图元学习：一种针对少样本节点任务的统一方法
我们通过广泛的实验验证了对比学习和元学习相结合的新模式 COLA 在少样本节点分类任务中的重要性，并证明 COLA 在所有任务上都取得了新的最先进水平。
PDF10 months ago
KDD少样本节点分类对比度元学习
本文提出了一种名为 COSMIC 的图形式的新颖对比元学习框架，并通过丰富内部类可泛化性和生成硬节点类来增强跨类可泛化性，从而使少数样本节点分类的性能得到提升。
PDFa year ago
KDDFew-shot 节点分类的虚拟节点调整
本研究提出一种名为 Virtual Node Tuning (VNT) 的创新方法，利用预训练图变换器作为编码器，在嵌入空间中注入虚拟节点作为软提示，以几个有标签的节点进行优化，以调节每个特定的 FSNC 任务的 node embeddin
PDFa year ago
WSDM极弱监督下的小样本节点分类
该研究针对极度缺乏标记节点的 few-shot node classification 问题，提出了一个基于元学习框架的 X-FNC 模型，使用伪标记节点和元知识积累解决了极度弱监督信息下的分类问题。
PDF2 years ago
KDD少样本节点分类的有监督图对比学习
本篇研究研究了在说名高成本的标注或标签问题下，如何使用监督图形对比学习，数据增强，子图编码和多尺度对比等机制，实现图形节点分类任务的有效编码器。实验表明，相比基于元学习的方法，这个新的框架可以显著提高少样本节点分类问题的性能。
PDF2 years ago