基于邻域选择策略的图卷积网络模型

论文摘要

邻域的组成对于基于空间域的图卷积网络(GCN)模型有至关重要的作用。针对模型中节点邻域排序未考虑结构影响力的问题,提出了一种新的邻域选择策略,从而得到改进的GCN模型。首先,为每个节点收集结构重要的邻域并进行层级选择得到核心邻域;然后,将节点及其核心邻域的特征组成有序的矩阵形式;最后,送入深度卷积神经网络(CNN)进行半监督学习。节点分类任务的实验结果表明,该模型在Cora、Citeseer和Pubmed引文网络数据集中的节点分类准确性均优于基于经典图嵌入的节点分类模型以及四种先进的GCN模型。作为一种基于空间域的GCN,该模型能有效运用于大规模网络的学习任务。

论文目录

• 0 引言
• 1 相关工作
• 2 本文模型CoN-GCN
•   2.1 邻域节点重要性排序
•   2.2 核心邻域节点的选择
•   2.3 1-D CNN生成节点嵌入
•   2.4 深度CoN-GCN
• 3 实验结果与分析
•   3.1 数据集
•   3.2 实验设置
•   3.3 节点分类比较结果与分析
•   3.4 超参数k的影响
• 4 结语

文章来源

类型: 期刊论文

作者: 陈可佳,杨泽宇,刘峥,鲁浩

关键词: 图卷积网络,邻域选择策略,图嵌入,节点分类,半监督学习

来源: 计算机应用 2019年12期

年度: 2019

分类: 信息科技

专业: 自动化技术

单位: 南京邮电大学计算机学院,江苏省大数据挖掘与智能计算重点实验室

基金: 国家自然科学基金资助项目(61603197,61772284)~~

分类号: TP183

页码: 3415-3419

总页数: 5

文件大小: 1098K

下载量: 367