图注意力网络(GAT)通过注意力机制聚合节点的邻居信息以提取节点的结构特征，然而并没有考虑网络中潜在的节点相似性特征。针对以上问题，提出了一种考虑网络中相似节点的网络表示学习方法NSGAN。首先，在节点层面上，通过图注意力机制分别学习相似网络和原始网络的结构特征；其次，在图层面上，将两个网络对应的节点嵌入通过基于图层面的注意力机制聚合在一起，生成节点最终的嵌入表示。在三个数据集上进行节点分类实验，NSGAN比传统的图注意力网络方法的准确率提高了约2%。
科研之友
微信
新浪微博
Facebook
分享链接
