4、阈值分层概念引入：什么是阈值分层？为什么在GraphSAGE中需要阈值分层？

4.1 阈值分层的核心定义

阈值分层（Threshold Stratification）是一种在模型推理或训练过程中，根据节点或样本的某种置信度分数（如预测概率、注意力权重、聚合误差）将其划分到不同层级，并对不同层级施加差异化处理策略的技术。在GraphSAGE的上下文中，阈值分层特指：根据节点邻居采样过程中的聚合置信度或节点自身表征的稳定性，将节点划分为“高置信层”、“中置信层”和“低置信层”，并为每一层配置不同的采样深度、聚合函数或损失权重。

Layer(v) = 
  High,   if score(v) ≥ θ_high
  Medium, if θ_mid ≤ score(v) < θ_high
  Low,    if score(v) < θ_mid

4.2 为什么GraphSAGE需要阈值分层？——三大核心痛点

标准GraphSAGE对所有节点采用统一的采样策略（固定邻居数、固定聚合层数），这在真实世界的大规模异构图（如社交网络、知识图谱、分子图）中会引发三个严重问题：

4.3 阈值分层的直观理解：SVG架构图

下图展示了GraphSAGE中引入阈值分层后的节点处理流程。左侧为原始统一采样（所有节点3层聚合），右侧为阈值分层后的差异化处理：高置信节点仅1层聚合，中置信节点2层，低置信节点3层但带噪声抑制。

4.4 阈值分层的实现流程

在GraphSAGE中引入阈值分层需要经过以下四个步骤：

1. 置信度评估：为每个节点计算一个置信度分数。常用方法包括：
   • 基于节点度（Degree）：度越高，信息越丰富，置信度越高。
   • 基于预测熵（Entropy）：预测概率分布越集中，置信度越高。
   • 基于聚合一致性（Consistency）：多次采样聚合结果的方差越小，置信度越高。
2. 阈值设定：根据置信度分布设定分层阈值。可采用：
   • 固定阈值：如 θ_high=0.8, θ_mid=0.5。
   • 分位数阈值：如高置信层为前20%节点，低置信层为后30%节点。
   • 自适应阈值：通过验证集性能动态调整。
3. 差异化采样与聚合：为不同层级配置不同的采样参数：

   层级	采样邻居数	聚合层数	聚合函数	Dropout率
   高置信层	5	1	Mean	0.0
   中置信层	10	2	Mean + Attention	0.2
   低置信层	15	3	LSTM + Gate	0.5

4. 损失加权融合：在训练时对不同层级节点的损失赋予不同权重，低置信层节点权重更高以强制模型学习鲁棒表征。

4.5 阈值分层的数学动机

从信息论角度，阈值分层的必要性可以通过邻居信息增益比来解释。定义节点 v 的邻居信息增益为：

Gain(v) = H(Y_v) - H(Y_v | N(v))

其中 H(Y_v) 是节点 v 标签的熵，H(Y_v | N(v)) 是给定邻居信息后的条件熵。对于高置信度节点，其自身特征已能很好预测标签，Gain(v) 趋近于0，增加聚合层数只会引入噪声。对于低置信度节点，Gain(v) 较大，但多层聚合可能放大邻居中的错误信息，因此需要带门控机制的聚合函数。

4.6 阈值分层 vs 其他采样策略