GraphCKSA：基于CENN-KCQ重采樣與雙視角邊優化的雙策略圖神經網絡不平衡節點分類方法
中文題目： GraphCKSA：基于CENN-KCQ重采樣與雙視角邊優化的雙策略圖神經網絡不平衡節點分類方法
論文題目：GraphCKSA: Innovative dual-strategy GNN for imbalanced node classification with CENN-KCQ resampling and dual-view edge optimization
錄用期刊/會議：【Applied Intelligence】 (中科院大類三區)
原文DOI：https://doi.org/10.1007/s10489-025-06660-6
原文鏈接：https://link.springer.com/article/10.1007/s10489-025-06660-6
見刊時間：2025年6月18日
作者列表：
1） 張麗英 中國石油大學（北京）人工智能學院 公共教學中心教師
2） 陳潞夢 中國石油大學（北京）人工智能學院 計算機技術 碩士 23
3） 鄒天博 中國石油大學（北京）人工智能學院 計算機技術 碩士 23
4） 王智廣 中國石油大學（北京）人工智能學院 計算機科學與技術系教師
5） 鄭馨竺 中國石油大學（北京）經濟管理學院 管理科學與工程系教師
文章簡介:
近年來，復雜的網絡或圖結構在多種場景中廣泛應用，例如交通網絡、引用網絡和社交網絡等。在現實世界中，節點的類別分布往往存在顯著的不平衡性，識別少數類節點對許多應用場景至關重要。本文針對不平衡節點分類問題，提出了GraphCKSA模型，該模型創新性地設計了CENN-KCQ重采樣，解決過度壓縮問題的同時減少多數類節點中的噪聲樣本，并優化了樣本選擇過程有效減少不平衡數據集中多數類的噪聲樣本;結合KMeans聚類和簇內SMOTE過采樣，并通過Q-learning強化學習智能地確定最優聚類簇數K，確保少數類節點的高質量過采樣;通過生成高質量的平衡增強數據集和合理的邊連接，為節點分類器提供了一個平衡增強圖。最終實現了顯著提升不平衡節點分類任務的性能。
摘要:
圖節點類別分布通常存在顯著的不平衡性，使得模型難以有效捕捉少數類節點的特征，導致分類結果偏向于多數類。因此，本文提出了一種全新的圖重采樣框架GraphCKSA，旨在通過 CENN-KCQ 重采樣和雙視角邊優化策略來解決不平衡節點分類問題。GraphCKSA創新性地將CENN欠采樣和KCQ-SMOTE過采樣相結合，構建了高質量的平衡增強數據集，并通過合理的邊連接策略，顯著提升了圖神經網絡在不平衡節點分類任務中的表現。在Cora、Citeseer和PubMed三個公共數據集上的實驗結果表明，GraphCKSA均顯著優于對比模型。此外，通過消融實驗、過采樣規模、不平衡比率和超參數分析，進一步驗證了GraphCKSA的有效性，展現出其在不平衡節點分類任務中的顯著性能提升。
背景與動機:
在現實世界中，節點的類別分布往往存在顯著的不平衡性，即多數類節點的數量遠大于少數類節點。然而，識別少數類節點對許多應用場景至關重要。在處理圖節點分類任務中的不平衡數據集時，直接用原始數據訓練GNN分類器可能難以有效捕捉少數類節點的特征，導致分類結果偏向于多數類，忽視少數類的識別。針對這一問題，本文提出了一種全新的圖重采樣框架GraphCKSA。
設計與實現:
GraphCKSA模型由四個模塊組成：(i)基于GraphSage的特征提取器，用于提取節點的特征表示；(ii)重采樣節點生成器，包括CENN欠采樣和KCQ-SMOTE過采樣兩個部分，用于去除多數類噪聲樣本和生成少數類節點，構建一個高質量的平衡增強數據集；(iii)邊生成器，從局部和全局雙重優化邊連接，形成一個平衡增強圖；(iv)基于GNN的節點分類器，基于平衡增強圖執行節點分類。本文提出的GraphCKSA模型結構如圖1所示。
圖1 GraphCKSA模型框架
實驗結果與分析:
為了驗證GraphCKSA模型的有效性，將GraphCKSA與不平衡網絡嵌入方法的代表性方法及最先進的方法（Origin、Over-sampling、Re-weight、SMOTE、Embed-SMOTE、DR-GCN、GraphSMOTE、GraphENS、GraphSR）進行比較。
首先，在三個數據集上比較了GraphCKSA與基線方法在不平衡節點分類任務上的表現。對比實驗結果如下表1。這些結果驗證了GraphCKSA的有效性，顯著提高了圖神經網絡中不平衡節點分類任務的性能。
其次，分析了不同模型在不同過采樣規模、不平衡比率下的性能，如下圖2、圖3。通過實驗得到過采樣規模在0.8到1.0之間更有利于不平衡節點分類的性能提升。當不平衡程度更為極端時，GraphCKSA所取得的改進更為顯著。
最后，分析了不同超參數的敏感性，如下圖4。由于兩種規模的損失差異，超參數在1 × 10?6和4 × 10?6之間的效果更好。
結論:
GraphCKSA通過CENN欠采樣和KCQ-SMOTE過采樣平衡數據集來有效解決欠采樣中過度壓縮及多數類噪聲樣本問題的同時提升過采樣少數類節點的質量，并通過Q-learning算法智能確定最佳聚類簇數K，有效捕捉少數類節點的特征，構建了一個高質量的平衡增強數據集。從雙重視角優化邊連接，形成一個平衡增強圖。實驗驗證了GraphCKSA在不平衡節點分類任務中的有效性和優越性。
作者簡介:
張麗英，講師，博士，中國石油大學（北京）人工智能學院碩士生導師。主要研究方向：圖機器學習、油氣人工智能及應用、時空數據挖掘等。
聯系方式：lyzhang1980@cup.edu.cn