Few-shot Classification on Graphs with Structural Regularized GCNs

通過在圖神經網絡的損失函數中加入正則項解決稀疏性問題。

在標籤較少時，通過有監督學習到的特徵可以忽略不計。本文將原GCN作爲編碼層，並加入反向GCN進行解碼，然後使用輸入和輸出之間的平方歐式距離作爲損失函數進行訓練。通過構造基於GCN的自動編碼器，有效解決了稀疏性問題，在分類任務上取得了良好的效果。