Algorithme robuste au bruit d'étiquetage pour données graphiques
En bref
- Les GCN souffrent de la présence de bruit dans les étiquettes des nœuds.
- LENS identifie les nœuds bruités en mesurant l'entropie de leur voisinage.
- La méthode améliore la précision et réduit les coûts de calcul d'un ordre de magnitude.
Les réseaux de convolution sur graphes (GCN) dépendent de données bien étiquetées, une hypothèse rarement vérifiée en pratique. Une nouvelle méthode, LENS, identifie les nœuds bruités en analysant la distribution des étiquettes dans leur voisinage et améliore la précision de classification tout en réduisant les coûts de calcul.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur