BriefGPT - AI 论文速递
·
GOTHAM：弱监督下的图类增量学习框架
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种图类增量学习（GCL）方法，专注于图数据分析中的节点分类，尤其是处理缺乏标签的新类。GOTHAM框架利用原型表示和知识蒸馏技术，有效应对少量或无标签的新类，实验结果表明其适应性和有效性良好。
🎯
关键要点
- 本文提出了一种图类增量学习（GCL）方法，专注于图数据分析中的节点分类。
- 该方法特别针对缺乏充分标签的新类问题。
- GOTHAM框架利用原型表示和知识蒸馏技术，有效应对少量或无标签的新类。
- 实验结果表明GOTHAM框架在多种任务下表现出良好的适应性和有效性。
➡️
