【ICML2024】超图增强的双半监督图分类

来源：专知本文为论文介绍，建议阅读5分钟我们提出了一个名为 HEAL 的超图增强 DuAL 框架，用于半监督图分类，从超图和线图的角度分别捕获图的语义。这篇论文研究了半监督图分类，在有限标记图和大量未标记图的情况下，旨在准确预测图的类别。尽管图神经网络（GNNs）具有很强的能力，但它们通常需要大量昂贵的标记图，而大量未标记图未能有效利用。此外，GNNs 在使用消息传递机制编码局部邻域信息方面固有地受到限制，因此缺乏对节点之间高阶依赖关系的建模能力。为了应对这些挑战，我们提出了一个名为 HEAL 的超图增强 DuAL 框架，用于半监督图分类，从超图和线图的角度分别捕获图的语义。具体而言，为了更好地探索节点之间的高阶关系，我们设计了一个超图结构学习方法，以自适应方式学习超过成对关系的复杂节点依赖关系。同时， ………………………………