WWW24 | 从数据中心化的角度校准图神经网络

文章预览

Calibrating Graph Neural Networks from a Data-centric Perspective 作者：Cheng Yang, Chengdong Yang, Chuan Shi, Yawen Li, Zhiqiang Zhang, JUN ZHOU 论文链接：http://shichuan.org/doc/170.pdf 摘要 图神经网络（GNNs）在各种复杂网络的建模中得到了广泛的应用。尽管GNN在准确性上表现突出，但GNN的置信度没有被校准，这说明模型的预测可能是不可靠的。现有的校准方法主要侧重于改进GNN模型，例如在训练过程中加入正则化项或在训练后使用基于温度缩放的方法。在本文中，我们认为GNN的校准误差可能源于图数据，可以通过修改图的拓扑结构来缓解这一问题。为了验证这一想法，我们通过检查决定性边和同质边对校准性能的影响来进行观察实验，其中决定性边指在GNN预测中起关键作用的边，而同质边指连接同类节点的边。通过给邻接矩阵中的这些边分配更大的权重，我们观察到在不牺牲分类 ………………………………