研究人员推出了一种新颖的图神经网络（GNN）无监督适应框架 UGPrompt。该方法解决了在无法访问标签数据或原始训练数据的情况下，将 GNN 适应新任务的挑战，同时保持预训练的 GNN 完全冻结。UGPrompt 采用一致性正则化和伪标签来训练提示函数，并结合多样性和域正则化来处理分布不匹配和类别不平衡问题。实验表明，UGPrompt 的性能优于当前的监督提示技术，即使这些技术可以访问标签数据，也凸显了无监督提示在实际 GNN 适应中的潜力。 AI
影响 这项研究可以实现 GNN 在标记数据稀缺的实际应用中更高效、更易于适应。
排序理由 该集群包含一篇详细介绍 GNN 提示新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
