-
题名基于集成学习的不平衡图节点分类算法
- 1
-
-
作者
赵华健
杨钦程
胡兆龙
-
机构
浙江师范大学计算机科学与技术学院
-
出处
《电子科技大学学报》
北大核心
2025年第3期455-463,共9页
-
基金
国家自然科学基金(62103375)
浙江省自然科学基金(LY23F030003)。
-
文摘
图神经网络(GNN)被广泛应用于节点分类。然而,现有研究集中于平衡数据集,但是不平衡数据却普遍存在。传统处理不平衡数据集的方法,如重采样和重加权,往往需要进行较多的预处理或提出新的网络结构,容易引入新的偏差并导致信息丢失。该文提出了一种改良的装袋(Bagging)集成学习方法,对不平衡图数据集进行了k折划分,并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后,通过融合不同模型来提升节点的分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果,表明所提出的方法在准确性和鲁棒性上优于基本分类器,此外,还发现分类精度随着k的增加先提高后降低。
-
关键词
图神经网络
节点分类
图网络结构
不平衡图数据集
集成学习
-
Keywords
graph neural network
node classification
graph network structure
imbalanced graph data set
ensemble learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
