Error message here!

Hide Error message here!

忘记密码?

Error message here!

请输入正确邮箱

Hide Error message here!

密码丢失?请输入您的电子邮件地址。您将收到一个重设密码链接。

Error message here!

返回登录

Close

NeurIPS 2021 | 圖上不均衡錶示學習新視野:基於拓撲結構的不均衡學習

智源社區 2021-10-14 11:08:42 阅读数:9 评论数:0 点赞数:0 收藏数:0

論文標題:Topology-Imbalance Learning for Semi-Supervised Node Classification

論文鏈接:https://arxiv.org/abs/2110.04099

代碼鏈接:https://github.com/victorchen96/renode

作者單比特:微信AI & 北京大學

研究動機

類別不均衡(Class Imbalance)是真實場景中非常常見的問題,受到了學界和業界非常多的關注。一般在我們提及類別不均衡時,默認指的是數量不均衡:即不同類中訓練樣本數量的不一致帶來的模型於不同類別學習能力的差异,由此引起的一個嚴重問題是模型的决策邊界會主要由數量多的類來决定 [1]。 

但是在圖結構中,不同類別的訓練樣本不僅有在數量上的差异,也有在比特置結構上的差异。這就使得圖上的類別不均衡問題有了一個獨特的來源:拓撲不均衡。而目前學界缺乏對於拓撲不均衡相關問題的研究。這個工作最主要的動機就是研究拓撲不均衡的特點,危害以及解决方法,希望能够引起社區對拓撲不均衡問題的重視。

 圖1 拓撲不均衡問題與ReNode方法

方法效果如何

在三個不同的場景中驗證了 ReNode 方法的有效性:

1. 拓撲不均衡,數量均衡、

▲ 錶1 拓撲不均衡-數量均衡設定下實驗結果

2. 拓撲不均衡,數量不均衡

▲ 錶2 拓撲不均衡,數量不均衡下的實驗結果

3. 超大圖場景

▲ 圖4 超大圖上的實驗結果
版权声明
本文为[智源社區]所创,转载请带上原文链接,感谢

编程之旅,人生之路,不止于编程,还有诗和远方。
阅代码原理,看框架知识,学企业实践;
赏诗词,读日记,踏人生之路,观世界之行;

支付宝红包,每日可领