摘要
针对胶囊图神经网络训练中得到的只有整体结构信息,并且随着层数的增加,节点的结构特征信息会丢失的问题,本文提出融合全局和局部特征的胶囊图神经网络。首先,改进了Node2vec,将节点的属性信息引入随机游走过程中,从而在生成网络表示时综合考虑了网络结构和节点的属性;然后,将改进的Node2vec引入胶囊图神经网络,设计了一个融合全局和局部特征的胶囊图神经网络。通过实验发现,本文模型在训练时的收敛速度更快,在图分类任务上的准确率有所提高。
- 单位
针对胶囊图神经网络训练中得到的只有整体结构信息,并且随着层数的增加,节点的结构特征信息会丢失的问题,本文提出融合全局和局部特征的胶囊图神经网络。首先,改进了Node2vec,将节点的属性信息引入随机游走过程中,从而在生成网络表示时综合考虑了网络结构和节点的属性;然后,将改进的Node2vec引入胶囊图神经网络,设计了一个融合全局和局部特征的胶囊图神经网络。通过实验发现,本文模型在训练时的收敛速度更快,在图分类任务上的准确率有所提高。