S-Mixup: 图神经网络的结构混合
我们提出了一种用于节点分类的新型混合增强方法，称为结构混合 (S-Mixup)，该方法在混合节点时考虑了结构信息，通过图神经网络 (GNN) 分类器为无标签节点获取伪标签及其预测置信度，作为混合池组合的依据，同时利用从 GNN 训练中获得的边梯度，提出了一种基于梯度的边选择策略，用于选择与混合产生的节点相连的边，并通过在真实世界基准数据集上进行广泛实验证明了 S-Mixup...
本文介绍了一种新型的混合增强方法，称为结构混合（S-Mixup），用于节点分类。该方法考虑了结构信息，在混合节点时利用图神经网络（GNN）分类器为无标签节点获取伪标签及其预测置信度，并利用从GNN训练中获得的边梯度提出了一种基于梯度的边选择策略。实验证明S-Mixup在节点分类任务中提高了GNN的鲁棒性和泛化性能，尤其是在异质情况下。
