NodeImport：用“节点重要性”缓解图神经网络类别不平衡

导语

在真实图数据中，节点类别往往并不均衡：某些类别拥有大量标注样本，另一些类别则稀缺得多。对图神经网络（GNN）来说，这会带来一个直接后果：模型更容易学到多数类的模式，而对少数类表示不足，最终在整体指标之外隐藏明显的类别偏差。

论文 NodeImport: Imbalanced Node Classification with Node Importance Assessment 试图从“哪些节点真正值得参与训练”这一角度重新处理问题。它并不只按类别数量调整权重，也不把重点单纯放在为少数类生成更多节点，而是提出一种基于节点重要性评估的训练框架。

核心要点

• 用平衡 meta-set 定义重要性：论文将一个训练节点是否重要，定义为它能否在更接近无偏的评估环境中提升模型表现。为此，方法构造一个类别更均衡、能够代表整体特征分布的 meta-set，用它作为衡量节点价值的参照。

• 从粗粒度类别补偿转向细粒度节点选择：传统方法常把少数类整体抬高权重，或直接合成少数类节点。NodeImport 更关注节点级别的差异：并非所有少数类样本都一定有帮助，也并非所有多数类样本都应被削弱。关键是识别那些能抵消偏差、改善泛化的节点。

• 直接估计节点重要性以降低开销：论文称其从理论上推导了可直接评估节点重要性的公式，从而避免反复训练或昂贵搜索，并给出更直观的节点筛选阈值。这使方法更适合嵌入训练流程，进行动态筛选。

• 同时过滤标注、未标注和合成节点：NodeImport 不只作用于已有标注数据，也可用于未标注节点和合成节点的筛选。这样一来，生成节点的过程与判断节点是否有价值的过程被分离，框架可以与多种节点生成方法配合使用。

意义与影响

这项工作的价值在于，它把图上类别不平衡问题从“补多少样本”推进到“保留哪些样本”。在实际应用中，少数类数据通常难以获得，盲目过采样或合成可能引入噪声；而多数类数据虽然丰富，却未必都对无偏学习有益。NodeImport 试图建立一个统一过滤机制，让模型训练更关注能改善平衡表现的节点。

如果这一思路在更多场景中成立，它对社交网络分析、欺诈检测、推荐系统和知识图谱等任务都有参考意义：这些任务普遍存在长尾类别、稀有事件或弱标注节点。论文在多个数据集和常见 GNN 架构上进行了评估，并报告其相对已有基线具有更好的表现。更重要的是，它提供了一种可组合的框架，而不是绑定某一种特定生成器或模型结构。

来源：arXiv