基于零模型的数据增强用于图分类
社会与信息网络
2022-03-21 v2
摘要
在网络科学中，零模型通常通过基于随机化生成一系列图作为比较项，以验证所考察网络是否展现出如社区结构等非平凡特征。由于此类非平凡特征在图分类中起着重要作用，零模型可用于网络数据增强以提升分类性能。本文提出一种将零模型与数据增强相结合的图分类新技术。此外，我们提出四种基于标准零模型的增强方法和四种基于近似零模型的增强方法，以验证并改进图分类技术的性能。实验表明，所提增强技术在测试数据集上取得了显著的普遍提升。另外，我们发现基于标准零模型的增强方法总是优于近似方法，这取决于零模型的设计机制。结果表明，非平凡特征的选择对提升不同网络结构下增强模型的性能至关重要，这也为研究各类图分类方法提供了数据增强的新视角。
引用
@article{arxiv.2112.00476,
title = {Null Model-Based Data Augmentation for Graph Classification},
author = {Qi Xuan and Zeyu Wang and Jinhuan Wang and Yalu Shan and Xiaoke Xu and Guanrong Chen},
journal= {arXiv preprint arXiv:2112.00476},
year = {2022}
}