基于对抗数据增强的非平衡节点分类算法

分享到

【获取途径】超星期刊网
【作者】程凤伟，王文剑，史颖，张珍珍
【刊名】南京大学学报(自然科学版)
【作者单位】太原学院计算机科学与技术系；山西大学智能信息处理研究所；山西警察学院网络安全保卫系；太原师范学院计算机科学与技术学院
【年份】2024
【卷号】第5期
【ISSN】0469-5097
【关键词】图神经网络节点分类非平衡数据过采样对抗数据增强
【摘要】图神经网络在节点分类任务中取得了显著的成功，然而，目前的GNNs 模型倾向于处理具有大量标记数据的多数类，较少关注标记较少的少数类，传统方法常通过过采样来解决这一问题，但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法，但对于生成的节点是否真正代表相应的少数类，没有明确保证，实际上，不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题，提出一种基于对抗训练的简单自监督数据增强方法GraphA2，通过在少数类周围的平滑空间中对梯度最远的地方施加扰动来增强数据，同时采...
【基金】国家自然科学基金
【文献类型】期刊