KDD21： ImGAGN: Imbalanced Network Embedding via Generative Adversarial Graph Networks

文章信息

摘要

解决样本不平衡问题， 考虑图结构和属性的生成器 生成 少类别样本， 基于GCN（损失交叉熵）的判别器 判断 节点是 真假 ； 是少类还是多类节点

方法

上述两部分是 对于 生成的 这些少类别节点 增加 连通性（拓扑） 属性（节点特征）

判别器就是GCN

模型优化

生成器的损失是： 类似交叉熵（称为 confusing discriminator loss）。 同时使得生成的少类和 原始少类 尽可能靠近（尽可能相似）
判别器损失： 交叉熵损失 + 使得不同 类别 相互远离（分辨出不同类）

时间复杂度

实验