海豹
⠀ ⠀⠀
半监督图分类的PyTorch实现:分层图透视(WWW 2019)
抽象的
节点分类和图分类是两个图学习问题,它们分别预测节点的类标签和图的类标签。 图的节点通常代表现实世界的实体,例如,社交网络中的用户或蛋白质-蛋白质相互作用网络中的蛋白质。 在这项工作中,我们考虑一个更具挑战性但实际上有用的设置,其中节点本身是一个图实例。 这导致了分层图的透视图,这种透视图出现在许多领域中,例如社交网络,生物网络和文档收集。 例如,在社交网络中,一群具有共同兴趣的人形成一个用户组,而许多用户组则通过交互或普通成员相互连接。 我们在层次图中研究节点分类问题,其中“节点”是图实例,例如上述示例中的用户组。 由于标签通常受限于实际数据,因此我们通过谨慎/主动迭代(或简称SEAL-C / AI)设计了两种新颖的半监督解决方案,称为半监督图分类。 SEAL-C / AI采用了一个迭代框架,该框
1