PulseAugur
中
实时 11:03:15
English(EN) Rel-MOSS: Towards Imbalanced Relational Deep Learning on Relational Databases

新的Rel-MOSS方法解决了关系深度学习中的不平衡数据问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的方法Rel-MOSS，用于解决关系数据库上关系深度学习中的类别不平衡问题。该方法旨在通过采用以关系为中心的合成过采样技术，防止少数实体被多数实体所掩盖。Rel-MOSS利用了关系门控控制器来调节邻域消息，并使用关系引导合成器在过采样过程中保持关系一致性。实验表明，Rel-MOSS在平衡准确率和G-Mean方面分别提高了高达2.46%和4.00%，优于最先进的方法。 AI

影响 解决了将深度学习应用于结构化数据中的一个关键挑战，有可能提高模型在不平衡数据集上的性能。

排序理由 该集群包含一篇详细介绍关系深度学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的Rel-MOSS方法解决了关系深度学习中的不平衡数据问题

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jun Yin, Peng Huo, Bangguo Zhu, Hao Yan, Senzhang Wang, Shirui Pan, Chengqi Zhang ·

    Rel-MOSS：迈向关系数据库上的不平衡关系深度学习

    arXiv:2603.07916v2 Announce Type: replace Abstract: In recent advances, to enable a fully data-driven learning paradigm on relational databases (RDB), relational deep learning (RDL) is proposed to structure the RDB as a heterogeneous entity graph and adopt the graph neural networ…

相关实体

相关话题