返回
MetaPFS: Memory-efficient node classification on text-attributed graphs via meta-guided progressive feature selection
DOI:10.1016/j.ipm.2025.104542.png)
摘要
En 中文
• 将特征冗余识别为使用PLMs进行TAG节点分类的主要瓶颈。
• 提出一种与特征无关的预热训练方法,在特征选择前注入全局语义先验。
• 提出渐进式特征锐化方法,以实现从软选择到硬选择的平滑且一致过渡。
• 提出一种基于虚拟任务正则化的元学习策略,以有效处理动态特征扰动。
• 提出 MetaPFS,在实现竞争性性能的同时具有极低的内存开销。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
Exploring Large Language Models for Feature Selection: A Data-centric Perspective探索大型语言模型用于特征选择:一种数据为中心的视角
Collaborative contrastive learning for hypergraph node classification协同对比学习在超图节点分类中的应用
PATTERN RECOGNITION
IF7.6
没有更多内容

