20News

DualGSL框架通过自适应预测融合增强图结构学习

研究人员推出了一种用于归纳式节点分类的新型图结构学习框架DualGSL。该方法自适应地融合了来自独立先验引导和任务自适应传播路径的预测，允许对这些影响进行节点特定的加权。DualGSL引入了虚拟类节点来整合训练标签信息，并采用节点自适应门控来结合基于其投影表示和置信度的预测。在AMG18、20News和USPS等基准测试上的实验表明，DualGSL在跨数据集准确率和Macro-F1分数方面优于现有方法。