一种基于少数类加权图神经网络的不平衡节点分类方法

摘要

本发明公开了一种基于少数类加权图神经网络的不平衡节点分类方法，包括步骤1：针对输入的图结构数据，计算基于邻接信息的节点隶属度值，以获得节点在嵌入空间中的加权特征信息；步骤2：在嵌入空间中执行数据过采样操作以生成新节点；步骤3：在边预测器的训练过程中引入代价敏感学习，并使用训练好的边预测器来获得新节点的邻接信息；步骤4：结合新节点和已存在节点的特征与邻接信息构造平衡的图结构数据，利用图神经网络进行节点分类，并使用Gumbel分布函数作为激活函数。本发明增强了少数类节点的邻居聚合，减少了边生成过程中对多数类节点的偏向性，并提高了图神经网络模型的收敛速度，且显著提升基于图神经网络的不平衡节点分类的效果。