首页|融合多角度信息和图卷积网络的社交网络节点分类模型

融合多角度信息和图卷积网络的社交网络节点分类模型

Social networks node classification model based on multi-angle information fusion and graph convolutional networks

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对传统图卷积网络(GCN)存在的信息提取不完整,社交网络节点分类精确度有待提升的问题,提出融合多角度信息和图卷积网络的社交网络节点分类模型(MAIF-GCN).利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的矩阵FA和共引信息的矩阵CoA;分别在正则化后的3个矩阵空间进行两层图卷积,得到输入特征在3种空间里的嵌入;将得到的嵌入相加,使用注意力机制,实现邻接邻居、同质最近邻、共引最近邻及三者组合的多角度信息的融合;最后通过训练获得节点分类器.实验结果表明:与现有的GCN变体相比,提出的MAIF-GCN模型在社交网络上分类准确率提高1％以上,证明了MAIF-GCN模型具有良好的信息挖掘和信息融合能力.

刘超、梁安婷、刘小洋、黄贤英

展开 >

重庆理工大学计算机科学与工程学院,重庆 400054

节点分类 信息挖掘 信息融合 图卷积网络

重庆市教委科技项目重点项目重庆市自然科学基金面上项目重庆市教委人文社科项目

KJZD-K202001101Cstc2019jcyj-msxmX049220SKGH166

2022

10.3969/j.issn.1674-8425(z).2022.05.019

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(5)
  • 1
  • 22