人工智能学院王鑫老师指导2020级硕士研究生苗睿同学的论文" Rethinking Independent Cross-Entropy Loss For Graph-Structured Data"被CCF-A类会议ICML 2024接收。ICML，全称为国际机器学习会议( International Conference on Machine Learning)，是机器学习领域的顶级国际会议。苗睿同学主要从事图数据挖掘领域的研究，将于2024年在王鑫副教授的指导下攻读博士学位。
论文题目：Rethinking Independent Cross-Entropy Loss For Graph-Structured Data
第一作者：苗睿（2020级硕士研究生）
收录会议：ICML’2024（CCF A）
指导教师：王 鑫
论文概述：
图神经网络在学习图结构数据方面表现出了突出的性能。对于节点分类任务，以节点表示为条件的个体标签分布用于预测其类别。基于节点标签之间的独立同分布假设，传统的监督学习独立地计算节点的交叉熵损失，并应用平均损失来优化 GNN 的权重。 但与其他类型的数据不同，图数据中的节点是自然连接的，并且它们的类与同一集群中的邻居相关。研究发现，节点标签的独立分布建模限制了GNN 泛化整个图和防御对抗性攻击的能力。在这项工作中，我们提出了一个新的框架，称为联合集群监督学习框架，来对每个节点与其相应集群的联合分布进行建模。我们并不假设节点标签是独立的，而是根据其表示来学习节点和集群标签的联合分布，并使用获得的联合损失来训练 GNN。这样，从簇中提取的数据标签参考信号显著地增强了对目标节点的辨别能力。此外，得益于可能不受恶意干扰的参考信号，我们的学习范式保护了节点分类免受对抗攻击的影响。
