基于图神经网络的少样本学习

我们提出了一种研究少样本学习问题的方法，即通过部分观察的图模型进行推理，该图模型由一组输入图像构建而成，这些图像的标签可能已知也可能未知。通过将通用的消息传递推理算法与其神经网络对应物相结合，我们定义了一种图神经网络架构，该架构概括了最近提出的几种少样本学习模型。除了提供改进的数值性能外，我们的框架还容易扩展到少样本学习的变体，如半监督学习或主动学习，展示了基于图的模型在“关系”任务上具有良好的操作能力。