一种基于增强图卷积网络的主动学习方法

本发明从数据本身的特征出发，使用图卷积网络作为一个采样器代替目标模型进行数据选择，通过选择最具信息量的样本进行标记，以最小化对标记数据的需求，从而提高机器学习模型的性能和泛化能力。通过对多个卷积层输出的特征向量求平均，可以更好地捕捉节点的多层次特征。这有助于综合考虑不同卷积层的信息，提高特征的表征能力。并利用有标签数据与无标签数据的特征相似性，使图卷积网络预测输入的数据是否为有标签数据，从而可以选择与有标签数据相比更为不同的无标签数据，从而以最少的有标签数据学习到更多的特征表示，确保选择的数据更具有代表性，提升主动学习的效果和性能。