（一）
管仁初教授、丰小月副教授和黄岚教授共同指导的2023级博士生刘永皓的论文“A Simple but Effective Approach for Unsupervised Few-Shot Graph Classification”被WWW2024收录。论文的其他作者包括2022级硕士生曹博雯，Fausto Giunchiglia教授和李熙铭教授，通讯作者是管仁初教授和丰小月副教授。
图分类是图数据分析中的一项重要任务，可以有效地从网络中提取信息和挖掘内容。最近，小样本图分类作为一项具有挑战性的任务，吸引了研究者的广泛关注。现有小样本图分类模型都是以监督范式进行学习。然而，由于其成本高昂，在实践中通常很难获得足够的标记数据。此外，这些模型通常采用复杂的元学习算法来从原始数据转移先验知识。为了摆脱这些限制，我们提出了一种简单而有效的方法，在不使用任何标记数据的情况下进行无监督少样本图分类。我们采用迁移学习范式来代替复杂元学习算法的设计。此外，还采用一种新颖的增强策略来扩展原始图数据，并对这些数据利用无监督预训练来获得优秀的图编码器。广泛的实验证明了我们提出方法的有效性，能够显著地领先有监督的少样本图分类模型。
（二）
待补充。
WWW全称为国际万维网大会（International World Wide Web Conference），是CCF推荐的交叉学科领域A类会议。
