基于随机重构图结构的图神经网络分类算法

作者：刘颖颖; 叶海良; 杨冰; 曹飞龙^*

来源：中国计量大学学报, 2022, 33(01): 55-64.

• 图结构
• 随机特征
• 自适应
• 图神经网络
• 节点分类

目的:为了解决在特征聚合过程中的确定性传播所导致的节点相似性破坏和节点对邻域依赖性高的问题，构建基于随机重构图结构的图神经网络分类算法。方法:首先，随机特征变换根据学习的权重值对随机保留的部分节点特征进行增强，生成随机特征。然后，利用生成的特征计算融合系数，对原始图和k近邻图进行自适应融合，重构出随机图结构。最后，将提取的多支浅层特征加入到重构图结构的卷积层，使模型随着层数的加深可得到浅层信息的补充。此外，对联合优化分类损失和自监督学习损失，保持节点相似性和平滑性。结果:与其他节点分类方法在Cora、Citeseer和Pubmed数据集上进行半监督实验和全监督实验结果对比，本文的算法精度提高了0.9%～2.3%。结论:基于随机重构图结构的网络分类算法在节点分类任务中取得较好的性能。

• 单位
  中国计量大学