SMARTQUERY：一种通过混合不确定性削减的图神经网络主动学习框架
机器学习
2022-12-06 v1
摘要
图神经网络在表示学习中已取得显著成功。然而，性能提升是有代价的；获取用于训练的全面标注数据可能极其昂贵。主动学习通过搜索未探索的数据空间并优先选择数据以最大化模型性能增益来缓解该问题。在本文中，我们提出一种新方法 SMARTQUERY，一种利用混合不确定性削减函数以极少标注节点学习图神经网络的框架。这通过两个关键步骤实现：（a）利用多样的显式图信息设计多阶段主动图学习框架；（b）引入标签传播以高效利用已知标签评估隐式嵌入信息。通过在三个网络数据集上的综合实验，我们展示了我们的方法在极少标注数据（每类最多 5 个标注节点）下相对于 SOTA 方法的竞争性能。
引用
@article{arxiv.2212.01440,
title = {SMARTQUERY: An Active Learning Framework for Graph Neural Networks through Hybrid Uncertainty Reduction},
author = {Xiaoting Li and Yuhang Wu and Vineeth Rakesh and Yusan Lin and Hao Yang and Fei Wang},
journal= {arXiv preprint arXiv:2212.01440},
year = {2022}
}