从偏差-方差分解重新审视半监督不平衡节点分类
机器学习
2025-02-26 v4
摘要
本文提出一种新方法，以解决图神经网络（GNN）在图结构数据学习中的类不平衡问题。我们的方法将不平衡节点分类与偏差-方差分解相融合，建立了一个将 data imbalance 与模型方差紧密关联的理论框架。我们还利用图增强技术来估计方差，并设计正则化项以缓解不平衡的影响。在多个基准上进行了详尽测试，包括自然不平衡数据集与公开划分的类不平衡数据集，表明我们的方法在各种不平衡场景下优于最先进（SOTA）方法。本工作为解决 GNN 中不平衡节点分类问题提供了新颖的理论视角。
引用
@article{arxiv.2310.18765,
title = {Rethinking Semi-Supervised Imbalanced Node Classification from Bias-Variance Decomposition},
author = {Liang Yan and Gengchen Wei and Chen Yang and Shengzhong Zhang and Zengfeng Huang},
journal= {arXiv preprint arXiv:2310.18765},
year = {2025}
}
备注
Accepted by NeurIPS 2023