【浙江大学】使用MAML元学习的少样本图分类

图分类的目的是对图结构数据进行准确的信息提取和分类。在过去的几年里，图神经网络(GNNs)在图分类任务上取得了令人满意的成绩。然而，大多数基于GNNs的方法侧重于设计图卷积操作和图池操作，忽略了收集或标记图结构数据比基于网格的数据更困难。我们利用元学习来进行小样本图分类，以减少训练新任务时标记图样本的不足。更具体地说，为了促进图分类任务的学习，我们利用GNNs作为图嵌入主干，利用元学习作为训练范式，在图分类任务中快速捕获特定任务的知识并将其转移到新的任务中。为了提高元学习器的鲁棒性，我们设计了一种新的基于强化学习的步进控制器。实验表明，与基线相比，我们的框架运行良好。

https://www.zhuanzhi.ai/paper/57ada95511f9980fb1af5a413875a27b

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“FSGC” 就可以获取《浙江大学-使用MAML元学习的少样本图分类》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源