基于GCN和随机游走算法的社交网络分类方法

• 全文链接
• 请求原文

作   者：

毕鑫;  杜宝祥; 

作者机构：

黑龙江大学电子工程学院; 

关键词：

社交网络分类;  随机游走;  信息传递;  图卷积神经网络; 

期刊名称：

黑龙江大学工程学报

i s s n：

2095-008X

年卷期：

2023 年 14 卷 003 期

页   码：

75-82

摘   要：

图卷积神经网络可有效地将节点的特征信息与空间结构信息相结合,在社交网络图节点分类任务中取得了良好的效果.大部分社交网络图数据缺少或忽视图的边特征,为图特征的提取带来了一定的难度.提出一种基于图卷积神经网络的社交网络半监督分类方法RWW-GCN,使用随机游走算法对图结构进行边特征赋值,采用消息传递机制完成社交图节点之间的特征融合,完成社交网络的分类.利用KONECT上的短吻海豚社交数据集进行验证,实验证明,该方法在半监督节点分类任务中有更高的准确率.