Sep, 2021
自信!通过置信度校准实现值得信赖的图神经网络
Be Confident! Towards Trustworthy Graph Neural Networks via Confidence Calibration
Xiao Wang, Hongrui Liu, Chuan Shi, Cheng Yang
TL;DR本文提出了一种基于拓扑感知的后处理校准函数的信任度高的 GNN 模型 ——CaGCN,通过学习得到每个节点的校准置信度,进而提高自训练框架中的性能表现。通过实验验证了该模型在置信度和准确性方面的有效性。