基于边聚合的图卷积神经网络节点分类
曹锦1
刘继2
1.新疆财经大学统计与数据科学学院 乌鲁木齐 8300122.新疆财经大学统计与数据科学学院 乌鲁木齐 830012;新疆财经大学新疆社会经济统计与大数据应用研究中心 乌鲁木齐 830012
摘要：随着图网络和深度学习技术的发展,如何在图上构建深度学习模型近些年受到研究者的广泛重视.图卷积神经网络能够有效地学习图的语义信息和提取网络结构信息,在节点分类任务上取得了一定的效果,但如何更全面地利用图中丰富的语义信息,使节点划分的结果更为准确仍面临着挑战.针对以上问题,提出了基于聚合过程的图卷积神经网络(aggregate graph convolution neural network,AGGCN).通过设计聚合过程将边的信息经聚合方法汇聚至节点上,在后续进行图卷积时能更充分地利用图本身所包含的丰富语义信息,生成更为合理的节点语义表示.在三个公开的引文网络数据集上将AGGCN与五种基准方法进行了实验对比分析,实验结果验证了AGGCN的有效性,表明AGGCN能更加全面地利用图的语义信息提升节点分类的效果.
关键词：图深度学习图卷积神经网络聚合节点分类
资助基金：大数据背景下网络舆情智能治理(72164034)
论文发表日期：2023-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 21-25 )