Mitigating Graph Covariate Shift via Score-based Out-of-Distribution Augmentation

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种新方法,通过基于得分的图生成策略来缓解训练和测试数据集间的分布漂移问题。该方法有效合成未知环境特征,提升图学习模型的分布外泛化能力,实验结果表明其有效性显著。

🏷️

标签

➡️

继续阅读