面向节点分类任务的节点级自适应图卷积神经网络

• 全文链接
• 请求原文

作   者：

王鑫隆;  胡睿;  郭亚梁;  杜航原;  张槟淇;  王文剑; 

作者机构：

山西大学计算机与信息技术学院;  山西警察学院网络安全保卫系; 

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; 

期刊名称：

模式识别与人工智能

i s s n：

年卷期：

2024 年 004 期

页   码：

287-298

摘   要：

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.