BriefGPT - AI 论文速递
·
通过拓扑样本选择缓解图上的标签噪声
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种基于拓扑信息的拓扑样本选择方法（TSS），解决了非独立同分布图数据和GNN中的样本选择问题。实验证明我们的方法在清洁目标分布下最小化了预期风险的上界，并与最先进的基线模型相比展示了优越性。
🎯
关键要点
- 提出了一种基于拓扑信息的拓扑样本选择方法（TSS）。
- 该方法利用拓扑信息提高图中信息样本的选择过程。
- 解决了非独立同分布图数据和GNN中的样本选择问题。
- 理论证明该方法在清洁目标分布下最小化了预期风险的上界。
- 实验结果显示该方法与最先进的基线模型相比具有优越性。
➡️
