-
题名基于少类增强和远距离连通的不平衡节点分类
- 1
-
-
作者
韩忠明
张舒群
刘燕
杨伟杰
-
机构
北京工商大学计算机与人工智能学院
-
出处
《计算机应用研究》
北大核心
2025年第9期2683-2689,共7页
-
基金
国家重点研发计划资助项目(2022YFC3302600)
国家自然科学基金资助项目(72171004)。
-
文摘
图数据在现实应用中普遍存在类不平衡分布问题,现有的生成式方法通过提出对应的生成策略来合成少类节点以增强原始类不平衡图。但这些方法主要关注数量补偿,在根据少类数量对其进行补偿时,某些节点可能会显著降低其他类的性能。为此,从数量和拓扑两个角度来考虑少类生成方法以应对图上的不平衡问题,提出了基于少类增强和远距离连通的不平衡节点分类方法。在生成新少类节点平衡训练数据时,通过基于节点重要性的邻居采样方式来查找远距离潜在同类节点,减轻节点邻域高异类和自类标记节点连接弱带来的拓扑不平衡问题,合理增强不平衡图。在三个基准数据集上的实验结果表明,所提方法在不平衡节点分类任务中,其准确率、平衡准确率和F 1值指标均优于基线方法,并通过消融实验和应用实例分析等验证了所提方法的有效性及实用性。
-
关键词
图神经网络
节点分类
少类增强
拓扑不平衡
数量不平衡
-
Keywords
graph neural network(GNN)
node classification
minority class augmentation
topological imbalance
quantity imbalance
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
O157.5
[理学—基础数学]
-
