AAAI2022 | 基于元传播网络的图小样本半监督学习

今天给大家分享亚利桑那州立大学Liu Huan教授团队发表在AAAI 2022上的一篇论文“Meta Propagation Networks for Graph Few-shot Semi-supervised Learning”。本文作者提出一种基于元学习的解耦网络Meta-PN，用于解决小样本半监督节点分类任务中，由于标签数据匮乏所导致的模型过拟合和过平滑问题。通过元学习标签传播策略，根据网络中未标记的节点推断出高质量的伪标签，同时用伪标签捕获图上的局部和全局结构，进而在训练过程中有效增加了标签数据，并扩大了信息的感受野。实验结果表明，该模型在半监督节点分类方面优于基准模型，表现出可观的性能提升，同时模型简单有效对资源的要求低。