科研之友
微信
新浪微博
Facebook
分享链接
摘要
图卷积网络由于能够直接处理图结构数据的优点而受到广泛研究。当前的多数图卷积网络是基于图信号的平滑性(低频信息),且不能根据各节点适合的接受域生成对应的节点嵌入，随着网络层数的增加，易出现图卷积网络特有的过平滑问题而导致性能下降。为此，提出了基于自适应频率和动态节点嵌入的图卷积网络模型(adaptive frequency and dynamic node embedding based graph convolutional network, FDGCN)。FDGCN模型能够自适应聚合不同频率的信息，同时利用每层网络的输出，平衡每个节点来自全局和局部领域的信息，动态地调节节点嵌入。通过在4个公共数据集上进行实验，对比了6个现有模型，证明了FDGCN模型的有效性。
-
单位数学学院; 福建工程学院
