AAAI 2020 | 北大：图卷积中的多阶段自监督学习算法

1、层数效应

在本文的实验部分我们先探究了图卷积神经网络的层数效应，即当标签比率越低时最优的层数呈现增长的趋势。这一层数效应证明了弱监督信号需要更多层数来传播的必要性。

2、多阶段训练算法框架的优势

进一步地，我们通过探讨不同K阶段的训练算法相比于只有一个阶段训练算法的优势，可以看出，当label rate越低的时候多阶段训练框架效果提升地越明显。

3、M3S的进一步提升

最后，我们将DeepCluster的自监督机制引入多阶段训练框架。从表格中的结果来看，我们容易发现最后得到M3S算法不仅对多阶段训练算法框架效果进一步提升，而且在三个数据集不同的标签比率下取得了一致最好的结果，这充分证明了我们算法的有效性。

同时本文也提供了参数的灵敏度分析，为我们的M3S在实际中的部署提供了具体的指导。