典型文献
基于自监督学习的不平衡节点分类算法
文献摘要：
在现实世界的节点分类场景中,只有少部分节点带标签且类标签是不平衡的.然而,大部分已有的方法未同时考虑监督信息缺乏与节点类不平衡这两个问题,不能保证节点分类性能的提升.为此,文中提出基于自监督学习的不平衡节点分类算法.首先,通过图数据增强生成原图的不同视图.然后,利用自监督学习最大化不同视图间节点表示的一致性以学习节点表示.该算法通过自监督学习扩充监督信息,增强节点的表达能力.此外,在交叉熵损失和自监督对比损失的基础上,设计语义约束损失,保持图数据增强中语义的一致性.在三个真实图数据集上的实验表明,文中算法在解决不平衡节点分类问题上具有较优的性能.
文献关键词：
自监督学习;不平衡节点分类;图神经网络;数据增强;语义约束损失
中图分类号：
作者姓名：
崔彩霞;王杰;庞天杰;梁吉业
作者机构：
山西大学 计算机与信息技术学院 太原 030006;太原师范学院 计算机科学与技术学院 晋中 030619;太原科技大学 计算机科学与技术学院 太原 030024
文献出处：
引用格式：
[1]崔彩霞;王杰;庞天杰;梁吉业-.基于自监督学习的不平衡节点分类算法)[J].模式识别与人工智能,2022(11):955-964
A类：
不平衡节点分类,监督对比损失,语义约束损失
B类：
自监督学习,分类算法,现实世界,少部分,分节,未同,监督信息,类不平衡,分类性能,图数据,数据增强,强生,原图,视图,节点表示,表达能力,交叉熵损失,设计语义,决不,分类问题,图神经网络
AB值：
0.215327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
