9月22日消息，弗吉尼亚大学等在论文《TAdaNet: Task-Adaptive Network for Graph-Enriched Meta-Learning》中提出TAdaNet，一个用于图增强元学习的任务自适应网络。该框架允许跨领域知识图的节点传递消息，并促进针对不同任务的元知识定制。

据悉该模型通过在记忆网络中组织历史任务中的任务知识来学习任务嵌入，并根据任务嵌入的条件产生任务感知参数调整来定制学习器参数。每项任务的学习者为分类任务的每个类生成一个原型。具体地说，该框架利用给定图上的类关系，通过注意力机制组合邻域信息来学习原型。数据表示可以通过聚合来自其邻居的信息来丰富，并且任务关系由图上链接类的路径来捕获。