基于影响冲突识别与纠正图神经网络中的标签噪声
机器学习
2026-01-27 v1
摘要
图神经网络（GNN）在处理带有标签噪声的图结构数据时表现受限，常见于标注错误或不一致导致效果受损。为此，本文提出ICGNN方法，利用图结构信息有效缓解标签噪声挑战。具体而言，我们首次设计噪声指示器，基于图扩散矩阵计算影响冲突得分（ICS），以量化干净标签节点可信度：ICS值更高的节点更可能被检测为含噪标签。随后，我们采用高斯混合模型精确判定节点标签是否为噪声。此外，我们开发软策略综合邻居节点预测，用于纠正检测到的噪声标签。最后，引入伪标签为大量无标签节点提供辅助监督信号并引导模型优化。在基准数据集上实验表明，我们的方法优于现有方法。
引用
@article{arxiv.2601.17469,
title = {Identifying and Correcting Label Noise for Robust GNNs via Influence Contradiction},
author = {Wei Ju and Wei Zhang and Siyu Yi and Zhengyang Mao and Yifan Wang and Jingyang Yuan and Zhiping Xiao and Ziyue Qiao and Ming Zhang},
journal= {arXiv preprint arXiv:2601.17469},
year = {2026}
}