面向少标签图上图卷积网络的多阶段自监督学习
机器学习
2020-02-21 v2 机器学习
摘要
图卷积网络(GCNs)在图学习任务中起着关键作用，然而利用少量监督信号学习图嵌入仍是一个难题。本文提出一种新颖的图卷积网络训练算法，称为多阶段自监督(M3S)训练算法，结合自监督学习方法，致力于提升 GCNs 在少标签节点图上的泛化性能。首先，提供了多阶段训练框架作为 M3S 训练方法的基础。随后，我们利用自监督学习中一种流行的方法 DeepCluster 技术，并在嵌入空间上设计相应的对齐机制以改进多阶段训练框架，从而得到 M3S 训练算法。最后，大量实验结果验证了我们的算法在不同标签率下，相较于其他最先进方法在少标签节点图上具有优越性能。
引用
@article{arxiv.1902.11038,
title = {Multi-Stage Self-Supervised Learning for Graph Convolutional Networks on Graphs with Few Labels},
author = {Ke Sun and Zhouchen Lin and Zhanxing Zhu},
journal= {arXiv preprint arXiv:1902.11038},
year = {2020}
}
备注
AAAI Conference on Artificial Intelligence (AAAI 2020)