BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes

要約

グラフ構造化データにおけるクラスの不均衡は、マイナー クラスが大幅に過小評価されており、グラフ ニューラル ネットワーク (GNN) にとって重大な課題となります。
この課題に対処するために、既存の研究では一般に、新しい少数ノードと、新しいノードを元のグラフに接続するエッジを生成して、クラスのバランスをとります。
ただし、多数派クラスが依然として元のグラフのエッジによって少数派ノードに情報を伝播し、多数派クラスに対するバイアスが生じるという問題は解決されません。
これに対処するために、バッファ ノードをグラフに挿入し、多数クラスの影響を調整して少数クラスの表現を改善する BuffGraph を導入します。
現実世界の多様なデータセットにわたる広範な実験により、BuffGraph が自然環境と不均衡環境の両方におけるクラス不均衡ノード分類において既存のベースライン手法よりも優れていることが経験的に証明されています。
コードは https://anonymous.4open.science/r/BuffGraph-730A で入手できます。

要約(オリジナル)

Class imbalance in graph-structured data, where minor classes are significantly underrepresented, poses a critical challenge for Graph Neural Networks (GNNs). To address this challenge, existing studies generally generate new minority nodes and edges connecting new nodes to the original graph to make classes balanced. However, they do not solve the problem that majority classes still propagate information to minority nodes by edges in the original graph which introduces bias towards majority classes. To address this, we introduce BuffGraph, which inserts buffer nodes into the graph, modulating the impact of majority classes to improve minor class representation. Our extensive experiments across diverse real-world datasets empirically demonstrate that BuffGraph outperforms existing baseline methods in class-imbalanced node classification in both natural settings and imbalanced settings. Code is available at https://anonymous.4open.science/r/BuffGraph-730A.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google