![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图开集识别
文章平均质量分 94
努力学习滴兔兔
保住头发
展开
-
【论文解读】Learning on Graphs with Out-of-Distribution Nodes——KDD2022
图形神经网络(GNN)是在Graph类型的数据上执行预测任务的最新模型。虽然现有的GNN在与图相关的各种任务上表现出了出色的性能,但很少关注在训练和测试期间图中存在分布外(OOD)节点的场景。借用CV和NLP的概念,本文将OOD节点定义为具有训练集中看不到的标签的节点。由于许多网络都是由程序自动构建的,因此真实世界的图形通常含有噪声,并且可能包含未知分布的节点。在这项工作中,定义了具有分布外节点的图学习问题。目标:1)检测不属于已知分布的节点,2)将其余节点分类为已知类之一。原创 2022-12-09 16:26:27 · 989 阅读 · 0 评论 -
[论文解读]OpenWGL: Open-World Graph Learning
在传统的图学习任务(如节点分类)中,学习是在一个封闭的环境中进行的,其中提供了类的数量及其训练样本来帮助训练模型,学习目标是将未标记的节点正确地分类到已知的类中。事实上,由于网络的标记能力有限和动态演化,网络中的一些节点可能不属于任何现有/可见类,因此无法通过封闭世界学习算法进行正确分类。本文提出了一种新的开放世界图学习范式,其学习目标不仅是将属于可见类的节点分类为正确的组,而且将不属于现有类的节点分类为不可见类。......原创 2022-06-09 11:57:02 · 664 阅读 · 0 评论