基于节点特征传播的图神经网络主动学习
机器学习
2021-11-22 v2 机器学习
摘要
用于节点分类或边预测等预测任务的图神经网络（Graph Neural Networks, GNNs）在近期基于图结构数据的机器学习中受到越来越多的关注。然而，大量带标签的图数据难以获取，这极大地限制了GNN的真正成功。尽管主动学习已被广泛研究以解决文本、图像等其他数据类型的标签稀疏问题，但如何使其在图数据上有效仍是一个有待研究的开放问题。本文对用于节点分类任务的GNN主动学习进行了研究。具体而言，我们提出了一种新方法，该方法利用节点特征传播，随后对节点进行K-Medoids聚类，以在主动学习中进行实例选择。通过理论界限分析，我们论证了该方法设计选择的合理性。在四个基准数据集上的实验中，所提方法一致且显著地优于其他代表性基线方法。
引用
@article{arxiv.1910.07567,
title = {Active Learning for Graph Neural Networks via Node Feature Propagation},
author = {Yuexin Wu and Yichong Xu and Aarti Singh and Yiming Yang and Artur Dubrawski},
journal= {arXiv preprint arXiv:1910.07567},
year = {2021}
}
备注
15 pages, 5 figures