เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมแบบกราฟกึ่งควบคุม (Semi-supervised Graph Neural Network)	การแพร่กระจายป้ายกำกับ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2017 (GCN formulation); 2004 (label propagation roots)	2002
ผู้ริเริ่ม	Kipf, T. N. & Welling, M. (canonical formulation); Zhou et al. (label propagation precursor)	Zhu, X. & Ghahramani, Z.
ประเภท	Semi-supervised graph representation learning	Graph-based semi-supervised classification
แหล่งต้นตำรับ	Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR 2017).	Zhu, X., & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University.
ชื่อเรียกอื่น	Semi-supervised GNN, GNN semi-supervised learning, graph-based semi-supervised classification, semi-supervised node classification	LP, label spreading, graph-based semi-supervised learning, harmonic label propagation
ที่เกี่ยวข้อง	4	3
สรุป	A semi-supervised graph neural network trains a GNN on a graph where only a small fraction of nodes carry labels, using neighborhood message-passing to spread information from labeled nodes to unlabeled ones. The approach, popularised by Kipf and Welling's 2017 Graph Convolutional Network, achieves strong node-classification accuracy even when labeled examples are scarce.	Label Propagation is a graph-based semi-supervised learning algorithm introduced by Zhu and Ghahramani in 2002 that spreads class labels from a small set of labeled nodes to a large set of unlabeled nodes by iteratively diffusing label information along the edges of a similarity graph, exploiting the manifold structure of the data.