融合多元信息的社交网络节点分类方法

作者：刘超; 梁安婷; 刘小洋; 黄贤英

来源：计算机科学与探索, 2022, 1-13.

• 社交网络
• 信息提取
• 信息融合
• 节点分类
• 图卷积网络

针对社交网络节点分类效果不佳的问题，提出一种融合多元信息的图卷积网络节点分类模型（IMIGCN）。首先，利用特征向量X和邻接矩阵A，分别构造包含节点间同质信息的同质矩阵FA和共引信息的共引矩阵CoA；分析网络中的三角结构，通过转换公式构造包含节点间三角信息的三角矩阵TriA。在此基础上，融入节点自身信息。接着，改进传统图卷积网络（Graph Convolutional Networks，GCNs）模型。将GCNs的单核改进为适应性多核，通过注意力机制将多核学习的结果自适应融合为一个嵌入，达到一次卷积同时融合多元信息的效果。为了学习更多信息，将模型过程中的嵌入设计为多头，通过多头嵌入注意力自适应学习多头嵌入的权重分配。实验结果表明，与现有较优的节点分类模型相比，提出的IMIGCN在社交网络上的分类精确度提高0.98%～4%，F1指标提升1%～4%，证明了提出的IMIGCN合理有效。

• 单位
  重庆理工大学