基于少数类加权和异常连通性的不平衡节点分类.pdfVIP

2025年5月郑州大学学报(工学版)May2025

第46卷第3期JournalofZhengzhouUniversity(EngineeringScience)Vol.46No.3

文章编号:1671-6833(2025)03-0136-07

基于少数类加权和异常连通性的不平衡节点分类

王军锋,杨佳悦,李钝

(郑州大学计算机与人工智能学院,河南郑州450001)

摘要:基于GNN的机器人检测方法在处理类不平衡问题时,忽略了少数类节点的重要性,同时未考虑图结构特

有的链接性问题,使得节点分类效果不理想。针对现有方案的不足,提出了一种基于少数类加权和异常连通性裕

度损失的类不平衡节点分类算法,将传统机器学习领域的不平衡分类思想扩展到图结构数据,在GraphSMOTE的

基础上进行少数类加权聚合处理,以增强少数节点的特征聚合;在过采样阶段,利用SMOTE算法对不平衡数据进

行处理,并考虑了节点表示和拓扑结构。同时,训练一个边缘生成器来建模关系信息,并引入异常连通性裕度损

失,以提高GNN对链接异常性的感知,增强模型对连通性信息的学习。最后在公开的微博、Twitter虚假账户和

BlogCatalog数据集上进行实验,与SMOTE、Re-weight、GraphSMOTE、DR-GCN和mGNN这5种方法的对比结果表明:

所提算法平均ACC达到84.3%;在Kaggle数据集上,所提算法比mGNN模型准确度提升1.3%。

关键词:机器人账户;类不平衡;图结构;少数类加权;连通性

中图分类号:TP391文献标志码