图神经网络的测试时训练
机器学习
2022-10-18 v1 人工智能
摘要
图神经网络 (GNNs) 在图分类任务中取得了巨大进展。然而，训练集与测试集之间常被发现存在性能差距。为弥合该差距，本文引入首个面向 GNN 的测试时训练框架，以增强模型在图分类任务上的泛化能力。具体地，我们设计了一种基于自监督学习的新型测试时训练策略，针对每个测试图样本调整 GNN 模型。在基准数据集上的实验证明了所提框架的有效性，尤其在训练集与测试集间存在分布偏移时。我们还进行了探索性研究与理论分析，以深入理解所提出的图测试时训练框架 (GT3) 设计的合理性。
引用
@article{arxiv.2210.08813,
title = {Test-Time Training for Graph Neural Networks},
author = {Yiqi Wang and Chaozhuo Li and Wei Jin and Rui Li and Jianan Zhao and Jiliang Tang and Xing Xie},
journal= {arXiv preprint arXiv:2210.08813},
year = {2022}
}