一个基于图卷积神经网络的局部密度优化方法（英文）

作者：王浩; 董立岩; 范铁虎^*; 孙铭会

来源：Frontiers of Information Technology & Electronic Engineering, 2020, 21(12): 1795-1804.

• 半监督学习
• 图卷积网络
• 图嵌入
• 局部密度

基于图卷积神经网络的半监督图分析(GCN)方法已取得成功。然而,该方法忽略了图中节点的某些局部信息,说明GCN数据预处理不够完善,训练产生的模型不够精确。因此,在基于图嵌入技术的多个非监督方法中,对输入数据局部信息的采集非常重要。本文将基于相似邻接度假设的局部分析方法应用到图卷积网络,并给出局部密度的定义;该方法被称作LDGCN。LDGCN通过两种不同方法处理图卷积网络的输入数据,即非平衡方法和平衡方法。被处理后的输入数据包含更详细的结点局部信息,训练所生成的模型更准确。通过GCN原理介绍LDGCN的实现,然后使用3个主流图数据集(Cora,Citeseer和Pubmed)验证其有效性。最后,通过节点分类实验与多个主流图分析方法对比,结果表明LDGCN算法有更好表现。

• 单位
  吉林大学