Label

在图机器学习（Graph Machine Learning）中，图数据中的节点通常带有节点或者图通常带有标签信息，然而由于数据标注任务的繁杂和精密，对于一般的数据集，带有标签的节点或图通常是稀有的。因此，研究人员实现了一些基于标签的图数据增强方法。通常涉及三个方面：

• 伪标签 pseudo label：通常给没有标签的节点或图上构造一个伪标签，来实现图数据增强；
• 标签混合 label mixing：通常在插入新的构造节点时，需要综合局部和全局的节点标签信息，给予新的节点一个混合后的标签；

• 标签锐化 label sharpening：类似于下面的公式，在一个节点上聚合周围的节点的标签信息，源于计算机视觉（CV）中的锐化技巧

  \[ \tilde{p}_{ij} = \tilde{y}^{1/T}_{ij} / \sum_{c=0}^{C-1}\tilde{y}^{1/T}_{ic} \]