科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着图网络和深度学习技术的发展，如何在图上构建深度学习模型近些年受到研究者的广泛重视。图卷积神经网络能够有效地学习图的语义信息和提取网络结构信息，在节点分类任务上取得了一定的效果，但如何更全面地利用图中丰富的语义信息,使节点划分的结果更为准确仍面临着挑战。针对以上问题，提出了基于聚合过程的图卷积神经网络（aggregate graph convolution neural network, AGGCN）。通过设计聚合过程将边的信息经聚合方法汇聚至节点上，在后续进行图卷积时能更充分地利用图本身所包含的丰富语义信息，生成更为合理的节点语义表示。在三个公开的引文网络数据集上将AGGCN与五种基准方法进行了实验对比分析，实验结果验证了AGGCN的有效性，表明AGGCN能更加全面地利用图的语义信息提升节点分类的效果。
-
单位新疆财经大学
