合作因果GraphSAGE
机器学习
2025-05-22 v1 计算机科学与博弈论
摘要
GraphSAGE是广泛使用的图神经网络。引入因果推断后，其鲁棒性能得到提升，称为因果GraphSAGE。然而，因果GraphSAGE侧重于衡量单个节点的因果加权，忽略了在整个采样节点群体中的合作关系。为此，本文提出了合作因果GraphSAGE（CoCa-GraphSAGE），将合作博弈论与因果GraphSAGE结合。首先，在图结构的合作基础上构建了合作因果结构模型。随后，提出了合作因果采样（CoCa-sampling）算法，利用Shapley值计算节点集合的合作贡献。CoCa-sampling指导选择在社区采样过程中具有显著合作因果效应的节点，从而将选定的社区特征在合作关系下整合，作为整体生成更稳定的目标节点嵌入。在公开数据集上的实验表明，所提方法在分类性能上与比较方法相当，在扰动情形下优于其他方法，显示示了通过CoCa-sampling实现的鲁棒性提升。
引用
@article{arxiv.2505.14748,
title = {Cooperative Causal GraphSAGE},
author = {Zaifa Xue and Tao Zhang and Tuo Xu and Huaixin Liang and Le Gao},
journal= {arXiv preprint arXiv:2505.14748},
year = {2025}
}