DeGLIF

DeGLIF 技术通过去除噪声图数据来增强 GNN 节点分类

研究人员开发了 DeGLIF，这是一种旨在通过解决数据集中的标签噪声来提高图神经网络 (GNN) 节点分类准确性的新技术。该方法利用留一法影响函数来近似移除单个训练点对模型参数和验证损失的影响。DeGLIF 采用理论驱动的重新标记函数来去除训练数据中的噪声，而无需预先了解噪声模型或噪声水平。实验结果表明，DeGLIF 在准确性方面优于现有的基线算法。