动态自训练，不确定性低
该框架通过动态自训练和图拓扑优化，同时解决图数据中类数量不平衡和拓扑不平衡问题，为少数类节点生成高置信伪标签并增强其传播。
Juan, Xin · Peng, Meixin · 王新
Expert Systems with Applications 2025
结合贝叶斯图神经网络的自训练机制，只为无标签集中的少数类节点分配高置信伪标签，减少错误标签带来的噪声。
通过将少数类节点扩充到已标注集并动态调整训练集类别分布，模型训练不再被多数类主导。
对图拓扑进行优化，促进少数类节点在消息传递中的传播，从而改善其表示学习。