Instance-Prototype Affinity Learning for Non-Exemplar Continual Graph Learning

doi:10.1016/j.patcog.2026.114911

Instance-Prototype Affinity Learning for Non-Exemplar Continual Graph Learning

2026-09-17

0

PRE

AI

DOI：10.1016/j.patcog.2026.114911

原文链接

原文求助

摘要

En 中文

• 经验和理论研究表明，原型对比学习比原型回放诱导的漂移更小。 • 我们提出了一种新型的基于PCL的NECGL范式，有效平衡了稳定性和可塑性。 • 我们将图拓扑集成到原型计算中以提高学习能力。 • 我们提出了一种灵活的知识蒸馏方法，在缓解灾难性遗忘的同时保持模型可塑性。 • 我们在PCL中包含困难样本以提高类间可分性。

Keyword:

Continual graph learning

Non-exemplar

Prototype contrastive learning

Node classification

Instance-Prototype Affinity Learning for Non-Exemplar Continual Graph Learning

摘要

期刊

机构

引用论文