研究人员开发了一个名为IMPRESS的新框架，以增强图少样本学习。该方法通过在双曲空间中学习节点表示来解决当前方法的局限性，双曲空间能更好地捕捉分层数据结构。此外，IMPRESS在元测试期间使用去噪扩散丰富目标分布，即使初始样本分布具有误导性，也能提高对新任务的适应性。该框架理论上提供了更紧密的泛化界限，并在基准数据集上展示了卓越的性能。 AI
影响 提高了图少样本学习能力，可能增强需要从有限数据适应的任务的性能。
排序理由 这是一篇详细介绍图少样本学习新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.27462v1 Announce Type: cross Abstract: Graph few-shot learning, which focuses on effectively learning from only a small number of labeled nodes to quickly adapt to new tasks, has garnered significant research attention. Despite recent advances in graph few-shot learnin…