-
题名面向节点分类任务的节点级自适应图卷积神经网络
- 1
-
-
作者
王鑫隆
胡睿
郭亚梁
杜航原
张槟淇
王文剑
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
山西警察学院网络安全保卫系
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2024年第4期287-298,共12页
-
基金
国家自然科学基金项目(No.U21A20513,62076154)
山西省重点研发计划项目(No.202202020101003,202302010101007)
山西省基础研究计划项目(No.202303021221055)资助。
-
文摘
图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.
-
关键词
自适应采样
自适应聚合
节点分类
图神经网络(GNNs)
谱图理论
-
Keywords
Adaptive Sampling
Adaptive Aggregation
Node Classification
Graph Neural Networks(GNNs)
Spectral Graph Theory
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-