重庆理工大学学报2022，Vol.36Issue(5) ：147-160.DOI:10.3969/j.issn.1674-8425(z).2022.05.019

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

刘超 梁安婷 刘小洋 黄贤英
重庆理工大学学报2022，Vol.36Issue(5) ：147-160.DOI:10.3969/j.issn.1674-8425(z).2022.05.019
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

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

刘超 1梁安婷 1刘小洋 1黄贤英1
扫码查看

作者信息

  • 1. 重庆理工大学计算机科学与工程学院,重庆 400054
  • 折叠

摘要

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.

关键词

节点分类/信息挖掘/信息融合/图卷积网络

引用本文复制引用

基金项目

重庆市教委科技项目重点项目(KJZD-K202001101)

重庆市自然科学基金面上项目(Cstc2019jcyj-msxmX0492)

重庆市教委人文社科项目(20SKGH166)

出版年

2022
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
被引量1
参考文献量22
段落导航相关论文