BuffGraph：通过缓冲节点增强类别不平衡的节点分类
机器学习
2024-02-21 v1 人工智能
摘要
图结构数据中的类别不平衡（即少数类显著代表性不足）对图神经网络 (GNN) 构成了严峻挑战。为应对这一挑战，现有研究通常生成新的少数类节点并将新节点连接到原始图以使类别平衡。然而，它们并未解决原始图中的边仍使多数类向少数类节点传播信息从而引入偏向多数类偏差的问题。为此，我们引入了 BuffGraph，通过在图中插入缓冲节点来调节多数类的影响，从而改善少数类的表示。我们在多种真实世界数据集上的大量实验实证表明，无论是在自然设置还是不平衡设置下，BuffGraph 在类别不平衡节点分类任务中均优于现有的基线方法。代码地址：https://anonymous.4open.science/r/BuffGraph-730A。
引用
@article{arxiv.2402.13114,
title = {BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes},
author = {Qian Wang and Zemin Liu and Zhen Zhang and Bingsheng He},
journal= {arXiv preprint arXiv:2402.13114},
year = {2024}
}