-
题名基于随机游走路径的自监督图拓扑不平衡学习
- 1
-
-
作者
秦者云
卢宪凯
袭肖明
任春晓
聂秀山
尹义龙
-
机构
山东大学软件学院
山东建筑大学计算机科学与技术学院
山东省国际人才交流服务中心
-
出处
《计算机研究与发展》
北大核心
2025年第4期863-875,共13页
-
基金
国家自然科学基金重点项目(U23A20389)。
-
文摘
图拓扑不平衡问题是由于节点在拓扑空间中的不均匀和不对称分布,对图神经网络性能产生了严重的负面影响.当前的研究主要侧重于标记节点,而对无标记节点的关注较少.为应对这一挑战,提出了一种基于随机游走路径的自监督学习方法,旨在解决拓扑不平衡问题带来的同质性假设限制、拓扑距离衰减以及注释衰减等难题.所提方法引入了多跳路径的子图邻域概念,以更全面地捕捉节点之间的关系和局部特征.首先,通过路径间聚合策略学习多跳路径中的同质和异质特征,不仅保留了节点的原始属性,而且维护了它们在随机游走序列中的初始结构连接.此外,结合了基于多条路径的子图采样和子图生成策略以及结构化的对比损失,最大化了同一节点局部子图的内在特征,从而增强了图表示的表达能力.经过实验验证,所提方法在多种不平衡场景下都表现出了出色的有效性和泛化性能.这一研究为解决图拓扑不平衡问题提供了新的方法和视角.
-
关键词
图拓扑不平衡
自监督图表示学习
随机行走路径
同质性假设
拓扑距离衰减
-
Keywords
graph topology-imbalance
self-supervised graph representation learning
random walk path
homogeneity assumption
topological distance decay
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于少类增强和远距离连通的不平衡节点分类
- 2
-
-
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]
-
