面向半监督归纳式学习的自训练增强图模型

计算机学报页数： 15 2025-10-15

摘要：图表示学习是图数据分析的一个基础研究问题，在多种应用领域中均具有重要的研究价值。不同于一般的直推式学习，归纳式图表示学习要求对训练过程中不可见的未知节点进行推理和分类，因此具有更大的研究挑战。现有归纳式学习方法主要采用建立在全监督学习下的图神经网络，这些方法依赖于大量带标注的数据进行训练，因而在面对可见结构中节点标注稀缺的半监督归纳式学习问题时可能存在模型过拟合问题。本文首次提... （共15页）

开通会员，享受整站包年服务

说明：本文档由创作者上传发布，版权归属创作者。若内容存在侵权，请点击申诉举报

科技文档

数学力学化学金融证券保险投资会计审计园艺林业旅游体育物理学生物学天文学气象学海洋学地质学新能源金属学农艺学农作物管理学领导学自然科学系统科学资源科学无机化工有机化工燃料化工化学工业材料科学矿业工程冶金工业安全科学环境科学工业通用机械工业无线电子电信技术铁路运输汽车工业船舶工业动力工程电力工业农业科学农业工程植物保护动物医学教育理论学前教育初等教育中等教育高等教育职业教育成人教育自然地理地球物理经济统计农业经济工业经济交通经济企业经济文化经济信息经济贸易经济财政税收市场研究科学研究互联网自动化轻工业核科学服务业石油然气服务业野生动物水产渔业硬件仪器仪表航空航天武器军事公路运输水利水电建筑科学软件