【论文分享】GNN+小样本文本分类方法：Meta-GNN: On Few-shot Node Classification in Graph Meta-learning

已于 2022-03-29 19:47:57 修改
阅读量2k 收藏 14
点赞数 4
分类专栏： GNN 小样本 文章标签： 小样本 gnn
于 2022-03-25 19:14:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39328436/article/details/123679075
版权
GNN 同时被 2 个专栏收录
28 篇文章 11 订阅 ¥49.90 ¥99.00
订阅专栏 超级会员免费看
小样本
28 篇文章 54 订阅 ¥49.90 ¥99.00
订阅专栏 超级会员免费看
论文Meta-GNN在CIKM 2019中提出，它利用元学习策略解决图数据的小样本节点分类问题。通过结合SGC和GCN，Meta-GNN在三个基准数据集上表现出优越性能，为图分析提供新视角。文章详细阐述了问题定义、GNN原理及Meta-GNN框架，包括样本抽取、元训练和元测试过程。
摘要由CSDN通过智能技术生成
  • 题目：Meta-GNN: On Few-shot Node Classification in Graph Meta-learning
  • 会议：CIKM （CCF-B）
  • 链接：https://dl.acm.org/doi/pdf/10.1145/3357384.3358106
  • 源码：https://github.com/AI-DL-Conference/Meta-GNN
  • 时间：2019年11月
  • 摘要：用GNN来实现小样本分类，运用元学习的策略来训练模型。用到的gnn模型是SGC 和 GCN ，没有对gnn模型任何创新性的改造，但是将gnn上的元学习实验过程描述得很清楚，并且提供了各种baseline的代码，对gnn+小样本的实验有参考价值，总体而言比较基础。

介绍

贡献：

  1. 提出了一种新的基于图的节点分类学习模式。与之前的工作不同的是，本文的目标是从新的类中分类节点，每个节点只有很少的样本。
  2. 提出了一个解决少样本节点分类的通用框架，该框架可以很容易地与任何流行的gnn模型结合，为graph分析开辟了一个新的视角。
  3. 三个基准数据集上，证明了该方法优于几种最先进的gnn模型。</
了解本专栏 订阅专栏 解锁全文 超级会员免费看
vector<>
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
【论文分享】小样本文本分类方法 EGNN-Proto：Few-Shot Text Classification with Edge-Labeling Graph Network-Based Proto
vector的博客
03-26 2470
提出了一个小样本文本分类模型：EGNN-Proto。利用预训练语言模型BERT学习文本嵌入，并通过edge-labeling graph neural network改进了prototypical network，以更好地刻画和利用文本之间的关系，从而在小样本的文本分类任务中获得更好的性能。
基于DAE的GNN小样本分类方法学习笔记
AlanSecond的博客
07-16 2300
文献Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning（文章链接：https://arxiv.org/abs/1905.01102）中提出了一种解决小样本的迁移学习方法。它通过某些类似的大量的样本的特征提取训练出一组用于分类的meta-model（元模型），元模型最终能分辨的...
CIKM 2019 Meta-GNN: On Few-shot Node Classification in Graph Meta-learning
qq_40926715的博客
03-24 1540
GNN 小样本 阶段train
Meta-GNN：On Few-shot Node Classification in Graph 阅读笔记
靓仔博客
11-16 3694
元学习作为一种模仿人类智能的可能方法，最近受到了极大的关注，即在很少或甚至没有演示的情况下获取新的知识和技能。现有的元学习方法大多是在欧几里得域内解决图像和文本等小样本学习问题。然而，将元学习应用于非欧几里德域的研究很少，最近提出的图神经网络(GNNs)模型并不能有效地解决图少样本学习问题。为此，我们提出了一种新的图元学习框架-元GNN -来解决图元学习设置中的小样本节点分类问题。它通过对多个相似的小样本学习任务进行训练，获得分类器的先验知识，然后用很少的标记样本对新分类的节点进行分类。此外，Meta-GN
[论文阅读] (ASONAM2019) Meta-GNN: 属性异构网络中用于半监督学习的元图神经网络
a389370297的博客
11-02 1127
论文标题：Meta-GNN：Metagraph Neural Network for Semi-supervised learning in Attributed Heterogeneous Information Networks 作者：Aravind Sankar, Xinyang Zhang, Kevin Chen-Chuan Chang 单位：Department of Computer Science, University of Illinois, Urbana-Champaign, USA
【论文分享】小样本图片分类方法：AwGCN：Few-Shot Learning With Attention-Weighted Graph Convolutional Networks
vector的博客
03-27 1602
用CNN学习节点特征，用CNN+自注意力机制学习边特征（局部自注意机制学习了HSI数据的完整关系图结构），节点标签通过GCN在图上以半监督的方式从支持传播到查询集，适合于小样本学习。
《Few-Shot Learning with Graph Neural Networks》——少样本学习与图神经网络
StreamRock的专栏
11-22 7178
目录一、简介二、【2】实现过程分析2.1 数据的准备2.2 GNN 网络2.2.1 特征提取网络2.2.2 顶点表达2.2.3 Adjacency 层2.2.4 Loss的解析2.3 数据验证所说明的问题三、GNN 的认识四、小结索引欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表...
2019-ICLR-百度-DEEP GEOMETRICAL GRAPH CLASSIFICATION-游走向量化+GNN+图下采
08-08
百度-DEEP GEOMETRICAL GRAPH CLASSIFICATION-游走向量化+GNN+图下采》这篇论文中，作者Mostafa Rahmani和Ping Li探讨了现有图神经网络（GNN）在处理图分类任务时的局限性，并提出了一种新的深度几何图分类方法。...
【论文笔记1】小样本分类
XingshiXu
07-24 1072
小样本学习论文笔记
GNN在文本分类上的应用 | (3) TensorGCN
sdu_hao的博客
02-08 3888
论文下载链接 开源实现 本篇博客是对论文《Tensor Graph Convolutional Networks for Text Classification》的阅读笔记。 图神经网络（GNN，Graph Neural Networks）用于图结构数据的深度学习架构，具有强大的表征建模能力，将端到端学习与归纳推理相结合，业界普遍认为其有望解决深度学习无法处理的因果推理、可解释性等一系列瓶颈...
【论文分享】☆ 经典小样本GNN模型：Few-shot Learning With Graph Neural Networks【CNN+相似性度量+GCN】
vector的博客
03-27 2802
本篇文章研究了小样本、半监督和主动学习的图神经网络，并在Omniglot和Mini-Imagenet数据集上进行了实验。该模型 首先使用已训练好的**CNN**模型得到相似图中每一个图像的嵌入特征，**相似性度量**模块学习如何将集合中的嵌入特征组成一个图，**GNN**模块传播已知标签的节点特征到未知标签的节点，训练模型使得到的节点特征与分类器相连后损失最小。
小样本文本分类应用：基于UTC的医疗意图分类，训练调优部署一条龙
m0_63642362的博客
04-28 783
通用文本分类 UTC（Universal Text Classification） 模型微调的文本分类端到端应用方案，打通数据标注-模型训练-模型调优-预测部署全流程，可快速实现文本分类产品落地。
小样本文本分类任务(多标签分类)
weixin_43881931的博客
04-17 1131
小样本文本多标签分类
GNN in KG(六) Few-Shot Knowledge Graph Completion
qq_36618444的博客
03-01 733
本文针对知识图谱补全的小样本学习问题，提出了few-shot relation learning model (FSRL)。 目录few-short数据增强或正则化Meta-learning（元学习）小样本其他分类Problem DefinitionFew-Shot Learning Settings关于小样本学习为什么能学习到新类别ModelEncoding Heterogeneous NeighborsAggregating Few-Shot Reference SetMatching Query a.
探索 Few-Shot GNN: 创新的图神经网络模型，赋能小样本学习
最新发布
gitblog_00081的博客
04-16 671
探索 Few-Shot GNN: 创新的图神经网络模型，赋能小样本学习 项目地址:https://gitcode.com/vgsatorras/few-shot-gnn 在机器学习领域，大数据通常意味着更好的性能，但现实场景中，我们往往面临数据稀缺的问题。这就是Few-Shot Learning（少样本学习）的挑战所在。幸运的是，有个开源项目——Few-Shot GNN，它试图利用图神经网络（G...
文本分类|基于xlnet和归纳网络的小样本文本分类模型（用于意图识别）实现及代码开源
nopSled
04-22 2932
由于我主要研究问答系统，因此本博客仅更新NLP及问答相关内容，最近创了一个群，如果大家感兴趣可加q群号：376564367 github:https://github.com/makeplanetoheaven/NlpModel/tree/master/SpeechRecognition/AcousticModel/dfsmn_v2 背景知识 本篇文章所实现的基于xlnet和归纳网络的小样本文本分...
【阅读笔记】Mutual CRF-GNN for Few-shot Learning
靓仔博客
01-10 1451
在本文中，我们提出了一种新颖的 Mutual CRF-GNN (MCGN)。在这个 MCGN 中，支持数据的标签和特征被 CRF 用于以有原则和概率的方式推断 GNN 亲和力。具体来说，我们构建了一个以标签和支持数据的特征为条件的条件随机场 (CRF)，以推断标签空间中的亲和力。这种亲和性作为节点亲和性被馈送到 GNN。GNN和CRF在MCGN中相互促进。
IJCAI2021论文：MEDA：一种为小样本文本分类设计的结合数据增强的元学习框架
zenRRan的博客
05-12 2154
点击下面卡片，关注我呀，每天给你送来AI技术干货！来自：南大NLP01—研究背景及动机近些年，元学习已经成为解决小样本问题的主流技术，并且取得不错的成果。然而，由于现有的元学习方法大多数集...
点云深度学习：Point-GNN：CVPR 2020论文中3D目标检测的图神经网络方法
本文档《Shi_Point-GNN_Graph_Neural_Network_for_3D_Object_Detection_in_a_CVPR_2020_paper.pdf》主要探讨了在计算机视觉(CV)领域中的3D物体检测方法，特别是在使用激光雷达(LiDAR)点云数据时。作者北京石和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

vector<>

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值