节点分类的新类发现：NC-NCD
机器学习
2024-07-26 v1 人工智能
摘要
新类发现 (NCD) 涉及通过利用来自先前建立类别所获取的知识来识别无标签数据中的新类别。然而，现有的 NCD 方法往往难以在旧类别和新类别的性能之间取得平衡。以 class-incremental 方式发现无标签新类别更为实际但也更具挑战性，因为这常常受到旧类别的灾难性遗忘或无法学习新类别的限制。此外，NCD 在持续可扩展的图结构数据上的实现仍属探索不足的领域。为应对这些挑战，我们首次提出一种更实用的节点分类 NCD 场景 (即 NC-NCD)，并提出一种新型自训练框架，称为 SWORD，集成原型存储和知识蒸馏。我们的 method 通过自训练策略学习新类别，同时通过特征原型和知识蒸馈的联合使用防止旧类别遗忘，且无需依赖旧类别节点。广泛的实验表明，SWORD 在四个常用基准数据集上超越了其他多种最先进方法。
引用
@article{arxiv.2407.17816,
title = {NC-NCD: Novel Class Discovery for Node Classification},
author = {Yue Hou and Xueyuan Chen and He Zhu and Romei Liu and Bowen Shi and Jiaheng Liu and Junran Wu and Ke Xu},
journal= {arXiv preprint arXiv:2407.17816},
year = {2024}
}
备注
Accepted by CIKM'24