论文标题：Soft-GNN: towards robust graph neural networks via self-adaptive data utilization
期刊：Frontiers of Computer Science
作者：Yao WU, Hong HUANG, Yu SONG, Hai JIN
发表时间：15 Apr 2025
微信链接：点击此处阅读微信文章
引用格式：
Yao WU, Hong HUANG, Yu SONG, Hai JIN. Soft-GNN: towards robust graph neural networks via self-adaptive data utilization. Front. Comput. Sci., 2025, 19(4): 194311
阅读原文：
问题概述
针对如何利用标签噪声图数据训练图神经网络的问题，本文提出引入自适应样本网络动态选择训练数据，以减轻标签噪声对图神经网络模型学习的负面影响。
技术步骤
通过观察利用噪声图数据训练图神经网络时节点的训练状态，发现标签噪声会导致预测结果的偏差，并破坏节点间原有的关联性。基于这些发现，研究者定义了三类训练偏差特征，并引入样本网络学习样本权重，实现了对数据的选择性利用。
实验结果
大量实验结果表明，基于本文提出的数据自适应利用技术，可有效提升在各种噪声类型和噪声比率下图神经网络模型的性能，并在图数据无噪声时具有更优的性能表现。
期刊简介
Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。
中国学术前沿期刊网
特别声明:本文转载来源“科学网”，仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的来源，并自负版权等法律责任;作者如果不希望被转载等相关事宜，请与我们接洽。
