GraphSR: A Data Augmentation Algorithm for Imbalanced Node Classification

要約

グラフ ニューラル ネットワーク (GNN) は、ノード分類タスクで大きな成功を収めています。
ただし、既存の GNN は自然に、より多くのラベル付きデータを持つ多数派クラスに偏り、比較的少数のラベル付きデータを持つ少数派クラスを無視します。
従来の手法ではオーバーサンプリング手法を使用することがよくありますが、オーバーフィッティングの問題が発生する可能性があります。
最近では、ラベル付きノードから少数派クラスの追加ノードを合成することを提案している作品もありますが、生成されたノードが実際に対応する少数派クラスを表しているかどうかの保証はありません。
実際、ノードが不適切に合成されると、アルゴリズムの一般化が不十分になる可能性があります。
この問題を解決するために、この論文では、グラフのラベルのない大規模なノードから少数クラスを自動的に拡張することを目指します。
具体的には、類似性に基づく選択モジュールと強化学習(RL)選択モジュールに基づいた、ラベルのないノードの大幅な多様性で少数派クラスを強化するための新しい自己学習戦略である \textit{GraphSR} を提案します。
最初のモジュールは、ラベル付き少数ノードに最も類似したラベルなしノードのサブセットを見つけます。2 番目のモジュールは、RL 技術を介してサブセットから代表的で信頼できるノードをさらに決定します。
さらに、RL ベースのモジュールは、現在のトレーニング データに従ってサンプリング スケールを適応的に決定できます。
この戦略は一般的であり、さまざまな GNN モデルと簡単に組み合わせることができます。
私たちの実験では、提案されたアプローチがさまざまなクラス不均衡データセットで最先端のベースラインを上回るパフォーマンスを示しています。

要約(オリジナル)

Graph neural networks (GNNs) have achieved great success in node classification tasks. However, existing GNNs naturally bias towards the majority classes with more labelled data and ignore those minority classes with relatively few labelled ones. The traditional techniques often resort over-sampling methods, but they may cause overfitting problem. More recently, some works propose to synthesize additional nodes for minority classes from the labelled nodes, however, there is no any guarantee if those generated nodes really stand for the corresponding minority classes. In fact, improperly synthesized nodes may result in insufficient generalization of the algorithm. To resolve the problem, in this paper we seek to automatically augment the minority classes from the massive unlabelled nodes of the graph. Specifically, we propose \textit{GraphSR}, a novel self-training strategy to augment the minority classes with significant diversity of unlabelled nodes, which is based on a Similarity-based selection module and a Reinforcement Learning(RL) selection module. The first module finds a subset of unlabelled nodes which are most similar to those labelled minority nodes, and the second one further determines the representative and reliable nodes from the subset via RL technique. Furthermore, the RL-based module can adaptively determine the sampling scale according to current training data. This strategy is general and can be easily combined with different GNNs models. Our experiments demonstrate the proposed approach outperforms the state-of-the-art baselines on various class-imbalanced datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google