图神经网络中的标签位置偏置探析
机器学习
2023-05-26 v1
摘要
图神经网络（GNNs）已成为半监督节点分类任务的有力工具。然而，近期研究揭示了 GNNs 中源于节点特征与图拓扑的多种偏置。本工作中，我们揭示了一种新偏置——标签位置偏置，即越靠近标注节点的节点往往表现越好。我们引入一个新指标，标签邻近分数，来量化该偏置，并发现其与性能差异密切相关。为应对标签位置偏置，我们提出了一种用于学习无标签位置偏置图结构的新型优化框架，可应用于现有 GNNs。大量实验表明，我们所提方法不仅优于骨干方法，还显著缓解了 GNNs 中的标签位置偏置问题。
引用
@article{arxiv.2305.15822,
title = {Towards Label Position Bias in Graph Neural Networks},
author = {Haoyu Han and Xiaorui Liu and Feng Shi and MohamadAli Torkamani and Charu C. Aggarwal and Jiliang Tang},
journal= {arXiv preprint arXiv:2305.15822},
year = {2023}
}