.png){kind=icon}
返回
Edge Classification on Imbalanced Multi-relational Graphs
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3462-3_21.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
与节点分类类似，边分类也是图学习中的一个重要研究课题。尽管现有研究主要集中于不平衡节点分类，但关于不平衡边分类的研究相对较少。然而，在实际应用中，存在许多需要分类不同类型关系的任务，例如识别非法交易。在这种情况下，非法交易样本的数量通常远少于正常交易样本。在这些情况下直接应用GNN分类器可能导致少数类样本的特征学习不足，从而降低整体模型性能。因此，有必要为GNN模型设计专门针对不平衡边分类的算法。借鉴不平衡节点分类的研究，我们提出了EdgeSMOTE算法。我们在两个基准数据集上评估了我们的算法，结果表明其性能优于基线方法。
Keyword:
Imbalanced Learning
Multi-relational Graph
Edge Classification
期刊
A
IF:
0
论文数:
29
被引数:
0
机构
引用论文
分享收藏
分享收藏A simple graph-based semi-supervised learning approach for imbalanced classification一种简单的基于图的半监督学习的不平衡分类方法.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
分享收藏
查看更多内容