GABO：基于双层优化的图增强
机器学习
2021-04-05 v1 人工智能
摘要
数据增强指通过扩充训练样本以提升模型泛化能力的一类广泛技术。此类方法常需关于所用数据集的领域知识，催生了近期大量关于自动化数据增强技术的文献。本工作中，我们应用其中一种方法——双层优化，来解决 ogbg-molhiv 数据集上的图分类问题。我们性能最佳的增强以 GIN+虚拟分类器取得了 77.77% 的测试 ROCAUC 分数，这使其成为该分类器在排行榜上最有效的增强器。该框架将 GIN 层增强生成器与偏置变换结合，并优于使用最先进 FLAG 增强的同一分类器。
引用
@article{arxiv.2104.00722,
title = {GABO: Graph Augmentations with Bi-level Optimization},
author = {Heejung W. Chung and Avoy Datta and Chris Waites},
journal= {arXiv preprint arXiv:2104.00722},
year = {2021}
}