semi-supervised learning

2 items

RESEARCHarXiv CS.LG·4/13/2026

GNN-as-Judge: Unleashing the Power of LLMs for Graph Learning with GNN Feedback

Diese Arbeit stellt das „GNN-as-Judge“-Framework vor, um die Leistung von LLMs beim Few-Shot Semi-Supervised Learning auf Text-Attributed Graphs (TAGs) mit knappen gelabelten Daten zu verbessern. Die Methode begegnet den Herausforderungen der Erzeugung zuverlässiger Pseudo-Labels und der Minderung von Label-Rauschen durch die Einbeziehung der strukturellen induktiven Verzerrung von GNNs.

semi-supervised learning LLMs GNNs Few-Shot Learning

RESEARCHarXiv CS.LG·vor 19T

Graph Transductive Sharpening: Leveraging Unlabeled Predictions in Node Classification

Dieses Papier stellt Transductive Sharpening (TS) vor, eine neue Verlustfunktionsmodifikation für die semi-überwachte Knotenklassifikation. Es nutzt Vorhersagen auf unmarkierten Knoten, indem es die Vorhersage-Entropie minimiert, um nützliche Trainingssignale zu extrahieren, die sonst verworfen würden.

semi-supervised learning Graph Neural Networks machine learning Node Classification