基于改进图神经网络的小样本分类研究  

作　　者：张中天 王涛[1] 谭莹莹 熊伟 ZHANG Zhongtian;WANG Tao;TAN Yingying;XIONG Wei

机构地区：[1]华北电力大学计算机系,河北保定071000

出　　处：《信息技术与信息化》2024年第5期59-62,共4页Information Technology and Informatization

摘　　要：大多数现有的元学习方法都用来解决欧几里得领域中的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得领域的工作较少,且图神经网络模型在小样本节点分类问题上表现欠佳。针对此问题,提出一种新型的分类算法MGAT,首先采用动态注意力机制灵活提取和聚合邻居节点的特征信息,然后通过对类似小样本学习任务进行训练以获取分类器的先验知识,再给出少量标记样本对新类中的节点进行分类。在两个基准数据集上进行的实验表明,所提出的方法在小样本节点分类问题上获得了优于当前各个分类模型的性能。

关 键 词：图神经网络 元学习 小样本学习 注意力机制 分类算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]