【论文分享】★★★「SOTA」小样本图神经网络分类模型 HGNN：Hybrid Graph Neural Networks for Few-Shot Learning

• 题目：Hybrid Graph Neural Networks for Few-Shot Learning
• 链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9437852&tag=1
• 源码：https://github.com/TianyuanYu/HGNN.
• 会议：AAAI（CCF-A）
• 时间：2021.12🔥
• 机构：国防科技大学
• 摘要：本文提出了一种新的混合GNN (HGNN)模型，该模型由两个GNN组成，一个PGNN和一个IGNN。IGNN通过实例级消息传递专注于异常值识别和中和（离群值）。PGNN在类原型级操作，以确保不同的类在GNN适应的嵌入空间中可以很好地分离（类间重叠）
• 其他：本文的GNN与之前的GNN之间的关键区别是本文的GNN不包含标签信息。
  

  目录

  • 1. 介绍
  • • 动机
    • 贡献
    • 图神经网络在少镜头学习中的应用
  • 2. 方法
  • • 2.1 小样本 标签传播GNN
    • 2.2 小样本 混合GNN
    • 2.3 原型图神经网络 PGNN
    • 2.4 实例图神经网络 IGNN
  • 3. 实验
  • • 3.1 数据集
    • 3.2 主要结果
    • 3.3 PGNN IGNN是否有效
  • 4. 结论

1. 介绍

动机

现行的GNN-FSL方法: