科研之友
微信
新浪微博
Facebook
分享链接
摘要
图表示学习在处理图数据中起着至关重要的作用。在现实应用中，图数据中不可避免地存在噪音，然而现有基于图卷积网络的研究工作通常假设原始图数据是可靠的。此外，最近的一些研究工作发现图卷积网络不能很好地融合拓扑结构和节点特征中的信息。针对这些不足，本文提出双通道图随机卷积网络模型，用于解决图数据的半监督节点分类问题。首先，利用数据增强生成多个不同的节点特征表示，用于减小噪音数据的影响。然后使增强的节点特征表示同时在拓扑空间和特征空间中进行传播，并在传播过程中以及传播完成之后，利用注意力机制自适应地融合节点表示。在5个真实数据集上的实验结果表明该模型比基线模型具有更好的分类效果。
- 单位
