研究者提出图数据抗噪算法LENS
热点事件持续更新
研究者提出图数据抗噪算法LENS
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Pintu Kumar 与 Nandyala Hemachandra 提出端到端框架 LENS，用于在图神经网络训练中识别标签噪声节点。该方法通过衡量移除某节点后邻域熵的下降程度来判定噪声，并结合重标注机制保留有效特征信息。 研究者称，LENS 在节点分类任务上达到 SOTA 精度，运行速度比现有抗噪方法快一个数量级，且端到端计算开销极低。该工作针对的是 GCN 依赖干净标签的问题。
AI 根据报道生成 · 49 分钟前更新
最新进展10月19日 12:00
面向图数据的标签噪声鲁棒算法 LENS：基于邻域标签分布报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AI面向图数据的标签噪声鲁棒算法 LENS：基于邻域标签分布
针对 GCN 依赖干净标签的问题，研究者提出端到端框架 LENS（Leave-one-out Entropy Node Screening），通过衡量移除某节点后邻域熵的下降来识别噪声节点，并结合重标注机制保留有效特征信息。该方法在节点分类上达到 SOTA 精度，运行速度比现有抗噪方法快一个数量级，且端到端计算开销极低。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。