CL3E-GNN：基于课程实施策略的三阶段注意力与特征融合的类别不平衡节点分类

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：CL3E-GNN: Three-Phase Attention with Feature Fusion based on Curriculum Implementation Strategy for Class Imbalanced Node Classification

　　

• •
  Engage 模块：针对少数类节点/边的基于注意力的特征融合。
• •
  Enact 模块：用于精炼少数类表示的主动学习与异常检测。
• •
  Embed 模块：强化增强记忆动态适应演化的图结构。
• •
  CL3E-GNN：借助课程指导的不平衡处理，在 7 个数据集上超越现有最优方法。
• •
  效率：在提升 F1/AUC 的同时，比某些基线方法减少 2.1–4.3 倍的 FLOPs。

Abdul Joseph Fofanah|Lian Wen|David Chen|Shaoyang Zhang|Alpha Alimamy Kamara