UPL：面向不平衡直推式节点分类的不确定性感知伪标签方法
机器学习
2025-02-04 v1
摘要
图结构数据集经常面临类别不平衡问题，这使得节点分类任务变得复杂。在这项工作中，我们首先为不平衡直推式节点分类提供了总体风险的上界，以解决此问题。随后，我们提出了一种简单而新颖的算法——不确定性感知伪标签（UPL）。我们的方法利用分配给未标记节点的伪标签来减轻不平衡对分类精度的不利影响。此外，UPL算法通过一种新颖的不确定性感知方法减少伪标签的训练噪声，从而提高了伪标签的准确性。我们在多个基准数据集上对UPL算法进行了全面评估，证明其性能优于现有的最先进方法。
引用
@article{arxiv.2502.00716,
title = {UPL: Uncertainty-aware Pseudo-labeling for Imbalance Transductive Node Classification},
author = {Mohammad T. Teimuri and Zahra Dehghanian and Gholamali Aminian and Hamid R. Rabiee},
journal= {arXiv preprint arXiv:2502.00716},
year = {2025}
}