多尺度过采样图神经网络在不平衡图分类中的应用
原文中文，约400字，阅读约需1分钟。发表于：。一个主要的挑战是在不平衡的图分类中学习表达图的表达性，并通过在多个尺度 - 子图、图和成对图上超采样得到的图内和图间语义学习达到这一目标。MOSGNN 通过联合优化子图级、图级和成对图级学习任务，学习镶嵌在少数类图中和图之间的鉴别性信息，从而显著优于五种最先进的模型，并提供一个通用框架，在其中可以轻松插入不同的先进的不对称学习损失函数，并获得明显的改进分类性能。
该研究提出了一种新方法来解决异构图中的类不平衡问题，通过结合生成对抗网络（GANs）和图神经网络（GNNs）的优点，创建合成节点和边来平衡数据集。实验证明该方法在少数节点识别方面优于基线模型。
