摘要
图神经网络采用神经网络来处理图数据,它能有效提取和发掘图结构数据中的特征和模式.为了研究在图数据处理上图神经网络的处理分类性能是否优于传统的机器学习算法以及分类过程的不同之处,文章选择了K近邻算法和图卷积网络,分析这两种算法对图数据 cora 数据集的提取特征及分类过程和分类结果.分类结果显示:图卷积网络对cora数据的分类准确度可以达到 80.24%;K近邻算法对 cora数据集的分类精度仅为 44.27%,这表明图卷积网络相对于 K 近邻算法能更高效地对cora数据集的各节点进行分类.从分类过程可以看出,图卷积网络和KNN的分类过程基本类似,但图卷积网络提取了图数据的节点特征,利用节点间的边的信息,而 KNN 算法没有利用节点间的信息,导致其不能有效实现对 cora数据集节点进行分类.
NETL
NSTL
万方数据