本文探讨了图神经网络（GNN）在解决类别不平衡问题上的应用，提出了GraphSMOTE、GraphSHA和GNN-CL等框架，通过合成过采样和特征调整提高分类准确性。研究表明，这些方法在多个数据集上优于传统方法，展示了在节点分类和不平衡数据处理中的潜力。

本文介绍了MFM元学习框架，通过调整特征和分类网络参数，优化调制参数，解决了类别不平衡问题。在视觉数据集上取得了卓越成果。