基于异配特征融合的图神经网络
黄治玮
贵州财经大学信息学院 贵州贵阳 550025
摘要：在异配性环境下,节点更倾向于与不同标签的节点相连,导致图神经网络往往表现出次优性能.当前关于图异配性的研究主要关注于聚合校准或邻居扩展,并通过利用节点特征或结构信息来解决异配性问题,从而改进GNN表示.但异配性数据同时也包含着大量的特性信息,基于此,文章提出了一种融合异配特征的图神经网络——FusionH-GNN,通过构造一个全新的图结构,利用邻居的分布整合异配特征,以增强共享相似语义特征的节点之间的连通性.并在同配和异配基准数据集上进行了节点分类任务的实证评估,将FusionH-GNN与经典GNN基准方法进行比较,证实了其在改进图表示方面的有效性.
关键词：图神经网络同配性模式识别图表示学习
论文发表日期：2025-12-25
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：4( 64-67 )