IMMix: Class-Imbalanced node classification via prototypical selective mixup augmentation

2025-11-19

0

PRE

AI

DOI：10.1016/j.patcog.2025.112749

原文求助

摘要

En 中文

• 基于混淆的框架在类别不平衡条件下提升了GNN的泛化能力。 • 使用决策边界附近的节点对来合成新节点。 • 合成的节点保留了类别特定的特征并解决了分布差异。 • 少数类准确率得到提升，同时保持了多数类节点的性能。 • 在真实数据集上的大量实验一致地优于有竞争力的基线方法。