近日，中科院SCI一区Top期刊《Information Fusion》在线发表了信息工程学院梁春泉副教授课题组题为“Bootstrap Latent Prototypes for Graph Positive-Unlabeled Learning”的研究成果。数据科学系2021级本科生田怡和赵董旻参与了主要研究工作，梁春泉为第一作者兼通讯作者。
图正例未标注学习旨在从仅有正例和未标注节点中学习二元分类器，传统方法需要用户提供类别先验概率。该研究提出了一个框架 BPL，包括图表征学习模块和两步策略算法。学习模块以先前版本的节点表征为学习目标，通过预测正例和未标注节点的潜在原型来增强节点表征。该方法无需提供类别先验概率，同时捕获正例相似性信息、低层语义相似性和一致性信息。算法模块利用获得的节点表征选择可靠的负例节点并训练二元分类器。实验证实了该算法的出色性能。
《Information Fusion》是一本专注于计算机人工智能领域的学术期刊。该刊发文范围涵盖计算机人工智能等领域，旨在及时、准确、全面地报道国内外计算机人工智能工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。该刊已被SCI、SCIE、EI数据库收录，在中科院JCR最新升级版分区表中，该刊分区信息为大类学科计算机科学1区，2023年影响因子为14.7。
成果连接：
https://www.sciencedirect.com/science/article/pii/S1566253524003312?dgcid=author