用于少样本节点分类的归纳式线性探测
机器学习
2023-06-16 v1 社会与信息网络
摘要
元学习已成为少样本节点分类的一种强大训练策略，在转导式设定中展现了其有效性。然而，现有文献主要关注转导式少样本节点分类，忽视了更广泛的少样本学习社区中已被广泛研究的归纳式设定。这一疏忽限制了对基于元学习的方法在图数据上性能的全面理解。在这项工作中，我们进行了实证研究以凸显当前框架在归纳式少样本节点分类设定中的局限性。此外，我们提出了一种简单但具竞争力的基线方法，专为归纳式少样本节点分类任务量身定制。我们希望我们的工作能提供一条新路径，以更好地理解元学习范式在图域中如何运作。
引用
@article{arxiv.2306.08192,
title = {Inductive Linear Probing for Few-shot Node Classification},
author = {Hirthik Mathavan and Zhen Tan and Nivedh Mudiam and Huan Liu},
journal= {arXiv preprint arXiv:2306.08192},
year = {2023}
}