基于双向图与完全有向图融合的缺失数据插补方法创新研究

针对表格数据中特征间依赖关系未被充分挖掘的难题，华东师范大学团队提出BCGNN模型，通过结合双向图(Bipartite Graph)和完全有向图(Complete Directed Graph)结构，创新性地建模特征-特征高阶依赖关系。实验表明，该模型在多种缺失机制下平均降低15%的MAE（平均绝对误差），为临床研究和金融数据分析提供了更鲁棒的插补工具。

　　

在数据驱动的科研与商业决策中，缺失数据如同拼图中遗失的碎片，严重影响分析结果的可靠性。尤其临床研究、金融风控等领域，传统插补方法如EM算法、MICE依赖参数假设，而深度学习模型如GAIN、DAE难以捕捉特征间复杂关联。更棘手的是，现有图神经网络(GNN)方法多聚焦样本相似性，却忽视了特征-特征相互作用这一关键维度——这正是华东师范大学团队在《Neurocomputing》发表的研究试图突破的瓶颈。

研究团队提出BCGNN（Bipartite and Complete directed Graph Neural Network），其核心技术包含：1）构建观察节点与特征节点的双向图，通过属性边编码细胞值；2）设计完全有向图表征特征依赖，引入元素级注意力机制与Spearman相关系数符号；3）采用DropEdge和AttentionDrop防止过拟合。实验使用UCI的Cancer、Protein等7个跨领域数据集验证，对比GRADE、IGRM等基线模型。

Problem definition
将n×m维数据矩阵D建模为观察节点（样本）与特征节点的双向图，掩码矩阵M标识缺失值。创新性地将每个观测值D_ij转化为连接两类节点的属性边，实现细粒度信息传递。

Datasets and baseline models
在包含45,000样本的Protein数据集等高维场景下，BCGNN展现出显著优势。相比仅建模样本相似性的IGRM，新模型在Energy数据集上MAE降低21.7%，证实特征依赖学习的普适性。

Conclusion
研究证明：1）完全有向图能显式参数化特征间高阶依赖，其元素级注意力机制比传统节点级注意力更精准；2）双向图结构可归纳学习未见数据特征，在MNAR（非随机缺失）场景下鲁棒性提升34%；3）联合训练策略使下游分类任务F1-score提高12.3%。该框架为生物医学等领域的多模态数据整合提供了新范式。

这项工作的里程碑意义在于：首次将特征拓扑关系纳入表格数据插补的建模框架，突破传统GNN的样本中心主义局限。正如研究者Zhaoyang Zhang所述："BCGNN像同时拥有显微镜和望远镜——既能观察细胞级特征交互，又能把握全局数据结构。"未来可扩展至时间序列和因果推理领域，为精准医疗中的缺失值处理开辟新路径。