典型文献
图自适应原型网络的小样本节点分类方法
文献摘要：
小样本节点分类旨在让机器从少量节点中学习到快速认知和分类的能力,现有小样本节点分类模型的分类性能容易受到图编码器提取的节点特征不够准确和子任务中支撑集实例的类内异常值的影响.为此,文中提出图自适应原型网络(Graph Adaptive Prototypical Networks,GAPN)的小样本节点分类方法.首先,将图中的节点通过图编码器嵌入度量空间中.然后,将全局重要度和局部重要度的融合结果作为支撑集实例的权重计算类原型,使查询集实例能自适应地学习更鲁棒的类原型.最后,计算自适应任务的类原型与查询集实例之间距离产生的分类概率,最小化分类概率和真实标签间的正间隔损失,反向更新网络参数,学习到更有判别性的节点特征.在常用图数据集上的实验表明,文中方法具有较优的节点分类性能.
文献关键词：
小样本学习;节点分类;图神经网络;原型网络
中图分类号：
作者姓名：
郭瑞泽;魏巍;崔军彪;冯凯
作者机构：
山西大学 计算机与信息技术学院 太原 030006;山西大学 计算智能与中文信息处理教育部重点实验室 太原030006
文献出处：
引用格式：
[1]郭瑞泽;魏巍;崔军彪;冯凯-.图自适应原型网络的小样本节点分类方法)[J].模式识别与人工智能,2022(08):743-753
A类：
GAPN
B类：
原型网络,本节,节点分类,分类方法,点中,分类模型,分类性能,能容,图编码,编码器,节点特征,子任务,中支,支撑集,异常值,出图,Graph,Adaptive,Prototypical,Networks,入度,度量空间,重要度,权重计算,地学,新网,网络参数,判别性,图数据,中方,小样本学习,图神经网络
AB值：
0.356739
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
