SIGIR 2022将于2022年7月11日至7月15日在西班牙马德里举办。计算机科学与技术学院管仁初教授等的论文“Few-shot Node Classification on Attributed Networks with Graph Meta-learning”被录用。论文的第一作者、第二作者分别为2020级硕士生刘永皓和2021级硕士生李梦宇，通讯作者为管仁初教授、丰小月副教授，作者还包括Fausto Giunchiglia教授和李熙铭副教授。
属性网络作为非欧几里得领域的数据表现形式，在现实世界中有广泛的应用。节点分类作为属性网络的一个基本研究问题，已经引起了研究界越来越多的关注。然而，大多数现有的模型不能直接应用于具有有限标记实例的数据。尽管有几种方法旨在将元学习与图神经网络结合起来解决这个问题，但仍存在一些局限性。首先，它们都假设在同质图中使用图神经网络进行节点表示学习，当这些模型应用于异质图时，会获得次优的性能。第二，现有的基于元学习的模型完全依赖于基于实例的统计，而这些统计在少量的情况下不可避免地会被数据噪声或异常值所影响。第三，以前的大多数模型对所有采样的任务都是一视同仁的，不能适应任务的独特性，导致模型的整体性能受到影响。为了解决上述三个限制，论文提出了一个新颖的图元学习框架，引入一种高效的方法来学习富有表现力的节点表征，并提出利用基于原型的方法来初始化元学习的参数。此外，论文还利用缩放和移位转换，从不同的任务中学习有效的可转移知识。数据实验结果验证了所提出的模型的有效性。
SIGIR是信息检索与数据挖掘领域的著名国际会议，也是计算机学会所列数据库/数据挖掘/内容检索领域A类会议。本次会议共接收794篇提交长文，最终录用161篇，录用率为20%。
