基于图神经网络的不平衡数据分类研究

分享到

【作者】郭梦昕
【学位名称】硕士
【学位年度】2023
【学位授予单位】太原师范学院
【导师姓名】崔彩霞
【关键词】图神经网络集成学习不平衡节点分类虚假评论检测
【摘要】传统的机器学习方法和深度学习方法已经被广泛使用于分类任务中,比如随机森林、支持向量机、神经网络等。在进行训练时,它们都假设样本之间是独立同分布的,但是在现实世界中,世界万物都是有潜在联系的,图数据可以将这些信息进行充分表达,所以用于图数据分类的图神经网络模型应运而生。在实际应用中,类不平衡现象普遍存在,比如在线评论数据中,虚假评论与真实评论的数据量是不平衡的,现有的图神经网络分类模型虽然在分类任务中取得了很大成功,但它们只是在各个类别的样本数量相差不大时才能表现出较好的分类效果,所以研究用于不平...
【文献类型】学位论文