그래프신경망에서 전이학습?

전이학습(Transductive Learning)

: 학습데이터와 테스트 데이터가 함께 주어졌을 때, 학습된 모델이 테스트 데이터의 레이블을 추론하는 방식. 특히 그래프 신경망에서 많이 사용되며, 전체 그래프의 구조를 이용해 학습과 추론을 수행하는데 적합하다.

즉, 논문간의 인용관계는 주어지는데 , 논문의 라벨은 주어지지 않고,
전체 인용관계를 이용하여 그래프 전체 구조를 학습해서 논문의 라벨을 추측한다.

전이학습 장점

• 적은 레이블된 데이터로도 성능을 높일 수 있음: 레이블이 부족한 상황에서도 그래프 전체 구조를 활용하여 레이블이 없는 노드의 정보를 학습하고 예측할 수 있습니다.
• 모델 일반화 성능 향상: 테스트 데이터의 구조적 정보를 학습 과정에 포함시킴으로써, 모델의 일반화 성능이 높아집니다.

전이 학습(Transductive Learning)은 학습 데이터와 테스트 데이터가 함께 제공되며, 학습 과정에서 테스트 데이터의 입력 특성은 사용하지만 레이블은 사용하지 않는 학습 방식입니다.

그래프 데이터에서 노드 간의 관계와 그래프 전체 구조를 학습하기 위해 자주 사용되며, 특히 그래프 신경망(GNN)에서 유용합니다.

모델은 학습 데이터와 테스트 데이터 간의 구조적 관계를 학습하여, 테스트 데이터의 레이블을 예측할 수 있습니다.