BriefGPT - AI 论文速递
·
HyperSMOTE：一种基于超图的失衡节点分类过采样方法
💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
本研究提出了HyperSMOTE方法，用于解决超图学习中的类别失衡问题。该方法通过合成少数类节点并整合进原始超图中，平均提高了3.38%和2.97%的分类准确率。
🎯
关键要点
- 本研究提出了HyperSMOTE方法，解决超图学习中的类别失衡问题。
- HyperSMOTE通过合成少数类节点并整合进原始超图中，改善模型对少数类样本的分类准确性。
- 该方法在多个单一模态和多模态数据集上平均提高了3.38%和2.97%的分类准确率。
🏷️
标签
➡️
