集成拒绝选项的节点分类
机器学习
2024-12-05 v1
摘要
图学习中的关键任务之一是节点分类。虽然图神经网络已用于各种应用，但它们对拒绝选项设置的适应性此前尚未被探索。在本文中，我们提出了NCwR，一种在图神经网络（GNN）中集成拒绝选项的节点分类新方法，该方法允许模型在不确定性较高时放弃做出预测。我们提出了基于成本和基于覆盖率的两种方法，用于在GNN的节点分类设置中进行带弃权的分类。我们使用我们的方法在三个标准引文网络数据集Cora、Citeseer和Pubmed上进行了实验，并与相关基线进行了比较。我们还将ILDC数据集上的法律判决预测问题建模为一个节点分类问题，其中节点代表法律案例，边代表引用关系。我们通过分析模型放弃预测的案例，并可视化输入特征的哪一部分影响了这一决策，进一步对模型进行了解释。
引用
@article{arxiv.2412.03190,
title = {Node Classification With Integrated Reject Option},
author = {Uday Bhaskar and Jayadratha Gayen and Charu Sharma and Naresh Manwani},
journal= {arXiv preprint arXiv:2412.03190},
year = {2024}
}