图主动学习中的基于区域的查询

Roy Abel; Yoram Louzoun

图主动学习中的基于区域的查询

机器学习 2019-06-21 v1 机器学习

作者: Roy Abel , Yoram Louzoun

摘要

图卷积网络(GCN)已成为网络中节点分类的主流方法，并在多个节点分类任务中达到最高准确率。在缺乏可用标注样本时，主动学习方法被发展出来，以通过对预言机(oracle)最少次数的查询获得最高准确率。当前最佳的主动学习方法使用样本类别不确定性作为选择准则。然而，在基于图的分类中，每个节点的类别常与其邻居的类别相关。因此，节点邻居类别的不确定性可能是更合适的选择准则。我们在此提出两种此类准则，一种扩展了经典不确定性度量，另一种扩展了page-rank算法。我们表明，当标注节点比例较低时后者最优；而当该比例增长至平均度的倒数时，区域不确定性优于所有现有方法。虽然我们在图上测试了这些方法，但此类方法可扩展至任何可在输入样本间定义距离度量的分类问题。所用全部代码见：https://github.com/louzounlab/graph-al 所用全部数据集见：https://github.com/louzounlab/DataSets

关键词

图卷积网络主动学习节点分类区域查询不确定性 page-rank

引用

@article{arxiv.1906.08541,
  title  = {Regional based query in graph active learning},
  author = {Roy Abel and Yoram Louzoun},
  journal= {arXiv preprint arXiv:1906.08541},
  year   = {2019}
}

备注

9 pages, 7 figures

图主动学习中的基于区域的查询

摘要

关键词

引用

备注

相关论文