標籤傳播

把資料連成一張關係圖,標籤像墨水一樣沿著邊暈開 — 近朱者赤,近墨者黑。

核心觀念

標籤傳播(Label Propagation)是基於圖(Graph-based)的半監督方法。先把樣本建成圖:節點是樣本,邊是相似度。核心假設:相似樣本應有相同標籤 — 從已標記節點出發,沿著圖的邊把標籤一步步傳播到未標記節點,直到整張圖穩定。

白話理解

金融風控的帳戶關聯網路:已知兩百個詐騙帳戶,還有幾十萬個帳戶沒標。帳戶之間有轉帳、共用裝置等關聯(邊),詐騙標籤沿著高相似度的邊傳出去,關聯緊密的帳戶被染成高風險。

關鍵細節

• 圖結構品質決定一切:相似度算得爛,標籤就傳歪 — 建邊方式與權重設計是核心工程
• 傳播收斂性:演算法反覆更新,直到各節點的標籤分布穩定為止
• 邊權重愈大,傳播影響力愈強;已標記節點通常固定不動,當作錨點
• 適合「關係天然成圖」的資料:社群網路、引用網路、帳戶關聯

🎯 口訣:標籤照著關係圖暈開 — 圖建得好,標籤傳得準。

iPAS 考點

判斷關鍵字:圖結構、相似樣本同標籤、沿邊擴散標籤。易混淆對:自訓練靠「模型信心」擴標籤,標籤傳播靠「圖上鄰居」擴標籤 — 一個看預測機率,一個看關係結構。陷阱:它仍是半監督方法,不是分群;起點必須有已標記節點,不是無中生有。