跨域少样本图分类
机器学习
2022-01-21 v1 神经与进化计算
摘要
我们研究特征空间不等价的跨域少样本图分类问题，通过引入由公开可用数据集构建的三个新跨域基准。我们还提出一种基于注意力的图编码器，该编码器利用图的三重一致视图——一个上下文视图和两个拓扑视图——来学习任务特定信息以实现快速适应，以及任务无关信息以实现知识迁移。我们进行了详尽的实验以评估对比学习和元学习策略的性能。我们表明，当与基于度量的元学习框架结合时，所提出的编码器在所有基准上取得了最佳的平均元测试分类准确率。源代码和数据将在此发布：https://github.com/kavehhassani/metagrl
引用
@article{arxiv.2201.08265,
title = {Cross-Domain Few-Shot Graph Classification},
author = {Kaveh Hassani},
journal= {arXiv preprint arXiv:2201.08265},
year = {2022}
}
备注
AAAI 2022