首页|基于图数据的图神经网络分类性能研究

基于图数据的图神经网络分类性能研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

徐军莉

展开 >

江西科技学院 协同创新中心,江西 南昌 330098

图神经网络 图卷积网络 K近邻算法 图数据 cora数据集 节点特征

江西省教育厅科技项目协同创新中心开放基金

GJJ2202611XTCX2111

2024

内蒙古科技与经济
内蒙古自治区科学技术信息研究所 内蒙古科学技术情报学会

内蒙古科技与经济

影响因子：0.263
ISSN：1007-6921
年,卷(期)：2024.(8)
  • 13