今天给大家介绍的是来自上海交通大学电子工程系的甘小莺教授团队2022年发表在KDD上的文章"Geometer: Graph Few-Shot Class-Incremental Learning via Prototype Representation".本文针对图小样本类增量学习(GFSCIL)问题，提出了一种新颖方法——Geometer。模型通过寻找最近的类原型预测节点的标签，原型是度量空间(metric space)中表示类的向量。通过几何度量学习，动态调整节点类在度量空间中的原型表示，同时引入Teacher-student 知识蒸馏和有偏抽样，分别缓解增量学习中的灾难性遗忘和不平衡标注问题。在四个公共数据集上的实验表明，作者的模型性能明显优于最先进的基线。

文章地址：https://arxiv.org/abs/2205.13954

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除