.png){kind=icon}
返回
Adaptive imbalanced node classification graph contrastive learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131280.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种具有编码器-解码器结构的变分图自编码器（VGAE），用于学习图结构和节点特征，以提高伪标签生成的鲁棒性和泛化能力。
• 我们设计了一种面向图的重新采样策略。在欠采样阶段，我们优先移除低重要性节点；在过采样阶段，优先合成高重要性节点。
• 我们创建了一种多级、分步的采样策略。通过混合采样方法调整类别比例，并通过增强函数保留少数类节点信息。
• 我们开发了一种新的数据增强技术，该技术优先保留少数类节点信息，同时掩盖多数类节点，有助于模型捕捉少数类特征。
Keyword:
VGAE
graph resampling
minority class augmentation
pseudo-label generation
node feature learning
