基于對抗數(shù)據(jù)增強的非平衡節(jié)點分類算法

摘要： 圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks,GNNs）在節(jié)點分類任務(wù)中取得了顯著的成功，然而，目前的GNNs模型傾向于處理具有大量標(biāo)記數(shù)據(jù)的多數(shù)類，較少關(guān)注標(biāo)記較少的少數(shù)類，傳統(tǒng)方法常通過過采樣來解決這一問題，但可能會導(dǎo)致過擬合.近期的一些研究提出了從標(biāo)記節(jié)點合成少數(shù)類附加節(jié)點的方法，但對于生成的節(jié)點是否真正代表相應(yīng)的少數(shù)類，沒有明確保證，實際上，不正確的合成節(jié)點可... （共8頁）