（通讯员周慧）西安电子科技大学协同智能系统教育部重点实验室公茂果教授、周慧博士在人工智能及机器学习领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS)上发表题为“Self-paced co-training of graph neural networks for semi-supervised node classification”的学术论文，为节点分类任务设计了一种半监督的自步协同训练框架。

图神经网络的训练需要足够数量的标记数据，而现实中标记数据的获取十分耗费人力成本。针对这一问题，该论文提出了一种自步协同训练框架来训练图神经网络模型，以减少对标记数据的依赖。该框架基于数据的不同表示来同时训练多个图神经网络模型，其中每个模型通过使用现有的真实标签和从其它模型中生成的伪标签进行半监督学习。进一步地，为了控制伪标签的质量，论文中设计了一种基于自步学习的标签扩充策略，使具有较高置信度的伪标签在训练过程中较早地被利用，以减轻低置信度伪标签对训练产生的负面影响。在节点分类任务上的实验结果表明，与最先进的半监督学习算法相比，所提出的框架能够基于少量的标签取得较好的分类结果。

IEEE Transactions on Neural Networks and Learning Systems创办于1990年，属机器学习、信息科学、人工智能的交叉学科领域，是神经网络和学习系统方面的国际顶级期刊，也是中科院分区1区Top期刊。

论文链接：https://ieeexplore.ieee.org/document/9738732