分享至
主讲人:赵通 | University of Notre Dame 博士生
2022.01.15 21:00
65分钟
6882人次学习
立即学习
数据增强技术常在机器学习中被用来增强模型的鲁棒性和泛化能力。图机器学习模型常面对可观测数据缺失或稀疏的挑战而造成这些问题,然而图数据增强方法还未成熟、仍需探索。我将会介绍基于图神经网络模型的数据增强技术的两个近期工作。第一个是GAug算法,发表在AAAI 2021。它利用深度链路预测算法来学习节点同质结构,改变图数据以增强节点同质性,从而提升节点分类的性能。第二个工作提出了“反事实链路”的概念来探寻反事实条件下的不可观测的图数据,并利用它来增强链路预测模型。反事实数据增强后的链路预测模型CFLP能够在大型基准数据集上达到很好的效果。
报名成功
添加欣然获取【课件】并进交流群
点此立即学习
添加微信领取课件
一定记得备注【数据增强】