研究人员推出PaSta,一个旨在解决图机器学习中噪声节点分类挑战的新型框架。与依赖独热编码标签的传统方法不同,PaSta利用部分标签学习来提高对损坏或不可靠节点标签的鲁棒性。该框架训练多个标注器生成高质量的部分标签,并采用自训练策略来迭代地优化这些标签和分类模型。实验表明,PaSta在各种噪声水平下,分类性能平均提高了1.1%。 AI
影响 提高了具有噪声数据的图机器学习任务的鲁棒性。
排序理由 该集群描述了一篇在arXiv上发表的研究论文,详细介绍了一种新的噪声节点分类方法。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Partial Label Learning with competitive learning graph neural network
- Pasta
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →