干货！基于生成对抗图网络的不平衡网络嵌入

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

图上的不平衡分类是普遍存在的，但在许多现实世界的应用(如欺诈节点检测)中具有挑战性。近年来，图神经网络在许多网络分析任务中显示出良好的性能。然而，现有的GNN大多只关注平衡网络，在不平衡网络上的性能不理想。为了弥补这一缺陷，本文提出了生成式对抗图网络模型ImGAGN来解决图上的不平衡分类问题。介绍了一种新的图结构数据生成器GraphGenerator,它可以通过生成一组合成的少数节点来模拟少数类节点的属性分布和网络拓扑结构分布，从而使不同类中的节点数量达到均衡。然后训练一个图卷积网络(GCN)识别器来区分合成平衡网络上的真实节点和虚假节点(即生成节点)，以及少数节点和多数节点。为了验证该方法的有效性，在四个真实的不平衡网络数据集上进行了大量的实验。实验结果表明，在半监督不平衡节点分类任务中，该方法优于现有的算法。

本期AI TIME PhD直播间，我们有幸邀请到南方科技大学与昆士兰大学联合培养年级博士生——曲良，为我们带来报告分享《基于生成对抗图网络的不平衡网络嵌入》。

曲良：南方科技大学与昆士