code https://github.com/vgsatorras/few-shot-gnn.git
paper https://arxiv.org/pdf/1711.04043.pdf
论文的原理可以直接看论文或者博客,这里主要记录论文中一些含糊的细节
setting
分为 few-shot setting,semi-supervised setting 和 active learning setting
few-shot setting 就是数据都是有 label 的,而 semi-supervised setting 就是部分有,部分没有(可以设定每个训练样本,也就是一个图多少个没有label),而active learning setting 也是部分有部分没有,只不过在中间可以询问一个unlabel 数据的真实label(代码这个通过两个卷积层来选择哪个数据)。
但是我觉得这个semi-supervised的setting没有什么意义,因为每次都是从抽取的n_way个类中抽取unlabel数据,真实情况的unlabel你根本不知道哪个类别,怎么知道属于不属于这n_way个类。active learning setting也一样。
基本思想
目标是将标签信息从有监督样本上传播到的无标签的query数据上。这种信息传递方式可以被规范化为一种图模型预测值到标签值之间的后验