阿里安全-浙江大学研究成果被NeurIPS 2024顶会录用《NoisyGL:标签噪声下图神经网络的综合基准》

文章预览

多年来， 浙江大学周晟老师团队与阿里安全交互内容安全团队持续开展产学研合作。近日，双⽅针对标签噪声下图神经⽹络的联合研究成果《NoisyGL：标签噪声下图神经网络的综合基准》被 NeurIPS Datasets and Benchmarks Track 2024 收录。本次 NeurIPS D Track 共收到 1820 篇投稿，录⽤率为 25.3%。 论文标题：NoisyGL: A Comprehensive Benchmark for Graph Neural Networks under Label Noise 论文地址： https://arxiv.org/pdf/2406.04299 项目地址： https://github.com/eaglelab-zju/NoisyGL 图神经网络（GNNs）在节点分类任务中通过消息传递机制展现了强大的表示力。然而 ，它们的性能往往依赖于⾼质量的节点标签。在现实世界中，由于不可靠的来源或对抗性攻击，节点标签中通常存在噪声。不过，目前针对该领域缺乏⼀个综合的基准。 为填补这⼀空白， 本文提出了NoisyGL方法，这是第⼀个针对标签噪声下 ………………………………