期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到123篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于分类节点的P2P语义路由模型 被引量：2
1
作者 鲁强 陈明 《计算机应用》 CSCD 北大核心 2008年第1期29-32,共4页
对于P2P语义覆盖网络,语义信息的维护和智能路径的选择是实现的难点。根据小世界原理,提出了一种新的基于节点分类划分的P2P语义路由模型。通过建立节点本体来描述节点的网络结构和节点下的内容项,在此基础上创建了路由消息格式和节点... 对于P2P语义覆盖网络,语义信息的维护和智能路径的选择是实现的难点。根据小世界原理,提出了一种新的基于节点分类划分的P2P语义路由模型。通过建立节点本体来描述节点的网络结构和节点下的内容项,在此基础上创建了路由消息格式和节点分类划分的方法,然后创建了支持内容语义查询的节点内相关性内容查询算法和节点间消息路由算法。通过实验对比,该语义路由模型能够提高P2P系统下的内容查找速度并且能够显著降低占用的网络带宽。 展开更多
关键词 语义路由 P2P 网络节点分类 用户偏好
在线阅读 下载PDF
基于Ollivier-Ricci曲率的图扩散节点分类算法
2
作者 孙宁 李胤萱 +2 位作者 张帅 汤璇 魏宪 《计算机应用研究》 北大核心 2025年第1期165-170,共6页
为解决图扩散方法在处理复杂边关系时精度降低的局限性,提出了一种基于曲率的图扩散神经网络。首先,引入Ollivier-Ricci曲率量化图的边曲率,提供关于图结构的几何度量;其次,运用曲率调整随机转移矩阵的权重,根据几何关系进行相应的权重... 为解决图扩散方法在处理复杂边关系时精度降低的局限性,提出了一种基于曲率的图扩散神经网络。首先,引入Ollivier-Ricci曲率量化图的边曲率,提供关于图结构的几何度量;其次,运用曲率调整随机转移矩阵的权重,根据几何关系进行相应的权重修改;最后,将处理后的曲率矩阵与图扩散矩阵结合,更新权重系数进行模型训练。实验结果表明,与传统的图扩散方法相比,改良后的方法保持了有效地平滑图信号和减少高频噪声的优点,并在不同边和节点数量的数据集上将精度提高0.3~2.0百分点。该方法通过优化图扩散的消息聚合,能够更有效地利用图结构中的节点信息和边权重,从而提升节点分类任务中的模型性能,为未来基于图方法的研究提供了更可靠的方法与实验。 展开更多
关键词 图神经网络 图扩散 Ollivier-Ricci曲率 节点分类
在线阅读 下载PDF
基于增强图神经网络和对比学习的复杂网络节点分类
3
作者 徐培玲 王玉 谭艳丽 《电信科学》 北大核心 2025年第8期127-138,共12页
复杂网络节点分类大多基于图神经网络学习节点表示而实现,图神经网络通过邻域聚合对复杂网络局部结构信息进行编码。然而,图神经网络的过平滑问题导致复杂网络节点分类性能受限。基于此,提出一种基于增强图神经网络和对比学习的复杂网... 复杂网络节点分类大多基于图神经网络学习节点表示而实现,图神经网络通过邻域聚合对复杂网络局部结构信息进行编码。然而,图神经网络的过平滑问题导致复杂网络节点分类性能受限。基于此,提出一种基于增强图神经网络和对比学习的复杂网络节点分类方法。该方法不仅为邻域节点引入注意力来区分各邻居节点的重要性,而且采用局部邻域重叠度和全局邻域重叠度构造边的特征,从而扩大节点表示的信息量。最后,引入对比学习对神经网络进行训练,从而利用网络全局节点分类先验信息对节点表示进行联合优化。在Cora、Citeseer、PubMed和Chameleon公开网络数据集上进行了实验,结果表明,相较于其他先进方法,所提方法的节点分类性能更好,并通过消融实验验证了所提方法的有效性。 展开更多
关键词 网络节点分类 复杂网络 图神经网络 图注意力网络 对比学习
在线阅读 下载PDF
融合高阶组结构信息的节点分类算法
4
作者 郑文萍 韩艺恒 刘美麟 《计算机科学》 北大核心 2025年第2期107-115,共9页
节点的局部邻域内通常存在具有特定局部连接模式且频繁出现的高阶组结构,这些组结构可以更准确地刻画节点拓扑特征,有助于理解网络的结构特征及节点间的交互模式。基于此,利用节点局部邻域内的高阶组结构特征计算节点间的结构相似性,并... 节点的局部邻域内通常存在具有特定局部连接模式且频繁出现的高阶组结构,这些组结构可以更准确地刻画节点拓扑特征,有助于理解网络的结构特征及节点间的交互模式。基于此,利用节点局部邻域内的高阶组结构特征计算节点间的结构相似性,并提出了一种融合高阶组结构信息的节点分类算法NHGS(Node Classification Algorithm Fusing High-order Group Structure Information)。该算法将k元组内形成的不同构的导出子图作为其初始组标签,利用Weisfeiler-Lehman(WL)算法迭代地聚合其邻域k元组的标签信息以更新k元组标签;节点在不同k元组标签中的出现次数构成了节点的特征向量,利用节点间特征向量的相似性表示节点间的结构相似性;结合节点的属性信息,并通过自编码器神经网络得到节点嵌入,进而对网络中的节点进行分类。NHGS将节点局部邻域内的k元节点组结构信息与节点的属性信息相结合,得到了包含高阶结构信息的节点表示。在真实属性网络上的实验表明,所提方法能有效计算出节点间的结构相似性,提升了节点分类任务的性能。 展开更多
关键词 节点分类 高阶结构 结构相似性 网络表示 图神经网络
在线阅读 下载PDF
基于路径感知邻域的节点分类算法
5
作者 郑文萍 王晓敏 韩兆荣 《数据采集与处理》 北大核心 2025年第1期134-146,共13页
图卷积神经网络通过将相似性高的邻居节点信息进行聚合以得到节点表示,为节点选择合适邻域并进行有效聚合是图卷积网络的关键。现有的图卷积神经网络大多直接将多跳邻域内的节点信息聚合,没有考虑到不同跳数邻域的聚合权重对网络中不同... 图卷积神经网络通过将相似性高的邻居节点信息进行聚合以得到节点表示,为节点选择合适邻域并进行有效聚合是图卷积网络的关键。现有的图卷积神经网络大多直接将多跳邻域内的节点信息聚合,没有考虑到不同跳数邻域的聚合权重对网络中不同节点的差异性。针对此,提出了一种基于路径感知邻域的节点分类算法(Path connectivity based neighbor-awareness node classification algorithm,PCNA),通过网络中的路径连通信息确定节点邻域,并自适应地感知不同长度路径对节点间相似性计算的影响权重,指导图卷积神经网络的邻域聚合过程。PCNA由邻域感知器和节点分类器组成,邻域感知器基于强化学习机制自适应地获取每个节点的聚合邻域及不同长度路径的影响权重,再利用节点间的路径连通信息得到相似性矩阵;节点分类器利用所得相似性矩阵进行邻域聚合得到节点表示,并进行节点分类。在8个真实数据集上与10种经典算法的对比实验表明了所提算法在节点分类任务上有较好的性能。 展开更多
关键词 图卷积神经网络 邻域聚合 强化学习 节点相似性 节点分类
在线阅读 下载PDF
基于Kolmogorov-Arnold网络的节点分类算法 被引量：2
6
作者 袁立宁 冯文刚 刘钊 《计算机科学与探索》 北大核心 2025年第3期645-656,共12页
多数图深度学习模型通过可学习权重加固定激活函数的方式提取图数据的特征信息,采用不同激活函数时对模型性能有较为显著的影响。针对上述问题,提出了一种基于Kolmogorov-Arnold网络(KAN)的全连接神经网络模型G-KAN,无需特定的激活函数... 多数图深度学习模型通过可学习权重加固定激活函数的方式提取图数据的特征信息,采用不同激活函数时对模型性能有较为显著的影响。针对上述问题,提出了一种基于Kolmogorov-Arnold网络(KAN)的全连接神经网络模型G-KAN,无需特定的激活函数和显式的节点信息传递策略,通过KAN动态学习激活函数,并引入节点相似度引导的对比损失隐式提取原始图特征信息。G-KAN通过线性层将图数据映射到特征空间,通过KAN层提取输入数据中的潜在特征,通过线性层和Softmax函数将KAN层的输出映射为节点标签的概率分布,并引入对比损失对KAN层的输出进行优化,推动高相似度节点彼此接近、低相似度节点彼此远离。在节点分类任务中,G-KAN优于当前较为先进的基线模型,特别是在BlogCatalog数据集上,G-KAN的Micro-F1和Macro-F1相较图卷积网络(GCN)提高了50.42和52.84个百分点。在激活函数对比实验中,引入KAN的方法不仅优于采用不同激活函数的变体,对不同数据集的泛化能力也更强。上述实验结果表明,G-KAN采用的可学习激活函数策略能够提高全连接神经网络的表征能力,使生成的低维节点表示具有更高的区分性。 展开更多
关键词 图卷积网络 多层感知机 Kolmogorov-Arnold网络 对比学习 节点分类
在线阅读 下载PDF
面向小样本节点分类的图数据增强方法
7
作者 富坤 应世聪 +3 位作者 郑婷婷 屈佳捷 崔静远 李建伟 《计算机应用》 北大核心 2025年第2期392-402,共11页
现实中,图结构数据广泛存在,然而,在实际应用中,这些数据常面临标注数据短缺的难题。图数据的小样本学习(FSL)方法旨在以较少的标注样本实现数据的分类。尽管这些方法在小样本节点分类(FSNC)任务上获得较好的性能,但还存在以下问题:高... 现实中,图结构数据广泛存在,然而,在实际应用中,这些数据常面临标注数据短缺的难题。图数据的小样本学习(FSL)方法旨在以较少的标注样本实现数据的分类。尽管这些方法在小样本节点分类(FSNC)任务上获得较好的性能,但还存在以下问题:高质量的标签数据难获取,参数初始化过程泛化能力不足,未能充分挖掘图中的拓扑结构信息。为解决这些问题,提出一种基于图数据增强的小样本节点分类模型(GDA-FSNC)。GDA-FSNC由4个模块构成:基于结构相似度的图数据预处理模块、参数初始化模块、参数微调模块和自适应伪标签生成模块。在图数据预处理模块中,通过基于结构相似度的邻接矩阵增强方法获取更多的图结构信息;在参数初始化模块中,使用互相教学的数据增强方法使每个模型都能从其他模型学到不同的模式和特征,增强信息的多样性;在自适应伪标签生成模块中,根据不同数据集的特征自动选择合适的伪标签生成技术,以生成高质量的伪标签数据。在7个真实数据集上的实验结果表明,GDA-FSNC的分类准确率超过了Meta-GNN、GPN(Graph Prototypical Network)、IA-FSNC(Information Augmentation for Few-Shot Node Classification)等主流的FSL模型。例如,相较于基线模型IA-FSNC,所提模型的分类准确率在小数据集2-way 1-shot设置下至少提升了0.27个百分点,在大数据集5-way 1-shot设置下至少提升了2.06个百分点。可见,GDA-FSNC在小样本场景下有更好的分类性能和泛化能力。 展开更多
关键词 节点分类 图卷积网络 数据增强 元学习 小样本学习
在线阅读 下载PDF
基于集成学习的不平衡图节点分类算法
8
作者 赵华健 杨钦程 胡兆龙 《电子科技大学学报》 北大核心 2025年第3期455-463,共9页
图神经网络(GNN)被广泛应用于节点分类。然而,现有研究集中于平衡数据集,但是不平衡数据却普遍存在。传统处理不平衡数据集的方法,如重采样和重加权,往往需要进行较多的预处理或提出新的网络结构,容易引入新的偏差并导致信息丢失。该文... 图神经网络(GNN)被广泛应用于节点分类。然而,现有研究集中于平衡数据集,但是不平衡数据却普遍存在。传统处理不平衡数据集的方法,如重采样和重加权,往往需要进行较多的预处理或提出新的网络结构,容易引入新的偏差并导致信息丢失。该文提出了一种改良的装袋(Bagging)集成学习方法,对不平衡图数据集进行了k折划分,并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后,通过融合不同模型来提升节点的分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果,表明所提出的方法在准确性和鲁棒性上优于基本分类器,此外,还发现分类精度随着k的增加先提高后降低。 展开更多
关键词 图神经网络 节点分类 图网络结构 不平衡图数据集 集成学习
在线阅读 下载PDF
基于图卷积神经网络的节点分类方法研究综述 被引量：10
9
作者 张丽英 孙海航 +1 位作者 孙玉发 石兵波 《计算机科学》 CSCD 北大核心 2024年第4期95-105,共11页
节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经... 节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。 展开更多
关键词 图数据 节点分类 图神经网络 图卷积神经网络
在线阅读 下载PDF
基于多共引特征的ZigBee无线传感网络节点分类 被引量：3
10
作者 周澄 许胜 《传感技术学报》 CAS CSCD 北大核心 2024年第11期1976-1982,共7页
ZigBee无线传感网络节点数量大、密度高、特征向量复杂,导致节点分类难度上升。在复杂的大差异节点特征中,研究以融合共引节点特征为基础的ZigBee无线传感网络节点分类方法。采集ZigBee无线传感网络节点数据,提取节点的embedding、入度... ZigBee无线传感网络节点数量大、密度高、特征向量复杂,导致节点分类难度上升。在复杂的大差异节点特征中,研究以融合共引节点特征为基础的ZigBee无线传感网络节点分类方法。采集ZigBee无线传感网络节点数据,提取节点的embedding、入度、出度、集聚系数、PageRank值等有共引属性的特征,确定节点共引特征向量。利用搭建的节点分类模型,将提取的共引特征嵌入到模型空间内,通过引入注意力机制及多角度信息的融合完成分类模型的训练,利用训练好的模型对于ZigBee无线传感网络节点进行分类。实验结果表明,所提方法的micro-F1和macro-F1均随着节点的增多而降低,约为95.8、96.3,且并未出现上升的趋势,表明ZigBee无线传感网络节点分类效果好,综合效率高,可靠性强。 展开更多
关键词 ZIGBEE无线传感网络 节点分类 共引特征 特征提取 特征向量 分类训练 注意力机制
在线阅读 下载PDF
融合二连通模体结构信息的节点分类算法 被引量：1
11
作者 郑文萍 葛慧琳 +1 位作者 刘美麟 杨贵 《计算机应用》 CSCD 北大核心 2024年第5期1464-1470,共7页
节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合... 节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。 展开更多
关键词 节点表示 二连通模体 邻域采样 邻域聚合 节点分类
在线阅读 下载PDF
可信的图神经网络节点分类方法 被引量：1
12
作者 刘彦北 马夕然 王雯 《天津工业大学学报》 CAS 北大核心 2024年第1期82-88,共7页
为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和... 为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和质心之间的距离为模型输出的不确定性,并使用梯度惩罚损失加强输入变化的可检测性,可以有效地检测分布外节点样本。在Cora、Citeseer和Pubmed这3个公开网络数据集上的结果表明:模型在分类任务的AUROC指标分别达到81.5%、76.2%和74.6%,在分布外样本检测任务中AUROC指标分别达到83.6%、72.8%和70.6%,证明了所提算法在提高节点分类性能的同时,可以有效检测分布外的节点样本,提高了节点分类的可信性。 展开更多
关键词 图神经网络 节点分类 分布外检测 不确定性估计 梯度惩罚
在线阅读 下载PDF
图神经网络节点分类任务基准测试及分析 被引量：2
13
作者 张陶 廖彬 +2 位作者 于炯 李敏 孙瑞娜 《计算机科学》 CSCD 北大核心 2024年第4期132-150,共19页
图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神... 图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神经网络模型实验对比阶段普遍存在的数据集类型单一、样本量不足、数据集切分不规范、对比模型规模及范围有限、评价指标单一、缺乏模型训练耗时对比等问题。为此,文中选取了包括cora,citeseer,pubmed,deezer等在内的来自不同领域(引文网络、社交网络及协作网络等)的共计20种数据集,以准确率、精确率、召回率、F-score值及模型训练耗时为多维评价指标,在FastGCN,PPNP,ChebyNet,DAGNN等17种主流图神经网络模型上,进行了全面且公平的节点分类任务基准测评,进而为真实业务场景下的模型选择提供了决策参考。通过基准测试实验发现,一方面,影响模型训练速度的因素排名依次是节点属性维度、图节点规模及图边的规模;另一方面,并不存在赢者通吃的模型,即不存在在所有数据集下全都表现优异的模型,特别是在公平的基准测试配置环境下,结构简洁的模型反而比复杂的GNN模型有着更好的性能表现。 展开更多
关键词 图神经网络 基准测试 节点分类 性能评估 模型选择
在线阅读 下载PDF
结合残差网络和噪声处理的节点分类模型 被引量：2
14
作者 曹磊亮 谢瑾奎 郭天晟 《小型微型计算机系统》 CSCD 北大核心 2024年第6期1331-1338,共8页
图卷积网络(GCNs)通过迭代堆叠多层卷积聚合操作来学习节点的表示,在许多图学习的任务中显现出强大的潜力.但是,由于图卷积运算的过度平滑效应,大多数基于GCN的模型无法对深层进行建模.此外,实际应用中往往会有许多噪声数据,在深层建模... 图卷积网络(GCNs)通过迭代堆叠多层卷积聚合操作来学习节点的表示,在许多图学习的任务中显现出强大的潜力.但是,由于图卷积运算的过度平滑效应,大多数基于GCN的模型无法对深层进行建模.此外,实际应用中往往会有许多噪声数据,在深层建模时会极大地干扰GCN的节点分类性能.为了解决上述问题,本文提出了一种结合残差网络和噪声处理的节点分类模型(NHGCN).针对噪声节点,模型使用自适应的残差处理方法并修改了范数约束,提高了对噪声节点的修正能力.针对过度平滑问题,模型利用残差映射优化图卷积的信息传播,缓解了图卷积聚合操作中的梯度消失问题,保留了节点独特性,增强了节点分类效果.在Cora,Citeseer,Pubmed这3个公开数据集上进行了训练和测试,实验结果表明:相较于现有的节点分类模型,本文模型实现了更优的处理过平滑效果和抗噪性能. 展开更多
关键词 节点分类 过平滑 图卷积网络 噪声处理
在线阅读 下载PDF
基于边界过采样的图节点不平衡分类算法 被引量：1
15
作者 武天昊 董明刚 谭若琦 《计算机工程与应用》 CSCD 北大核心 2024年第13期92-101,共10页
在现实世界中,金融欺诈检测和疾病诊断是典型的图不平衡问题,基于过采样的图神经网络是解决此类问题的常用方法之一。然而,该方法难以保证生成边界样本的多样性,易导致分类性能下降。提出一种基于边界过采样的图节点不平衡分类算法(ImBS... 在现实世界中,金融欺诈检测和疾病诊断是典型的图不平衡问题,基于过采样的图神经网络是解决此类问题的常用方法之一。然而,该方法难以保证生成边界样本的多样性,易导致分类性能下降。提出一种基于边界过采样的图节点不平衡分类算法(ImBS)来提升生成样本的多样性。ImBS通过双层图神经分类网络选择出每个类别中高置信度样本作为采样锚点,提高锚点的代表性。为了使生成样本分布更加合理,利用上一步得到的混淆矩阵,计算少数类误判的分布比例。并基于该分布比例,自适应计算不同类间生成的样本数量。在此基础上,提出基于锚点的混合过采样方法。通过混合异类锚点特征的方式过采样边界节点,达到增加样本多样性和扩展少数类决策边界的目的。此外,为了防止产生有害连接,引入个性化PageRank方法,为过采样样本生成邻域分布。在三个真实的数据集(Cora、CiteSeer和Cora-Ful)上的实验表明,该方法与9个代表性的方法对比具有明显优势。 展开更多
关键词 图神经网络 不平衡节点分类 边界过采样
在线阅读 下载PDF
NLGAE:一种基于改进网络结构及损失函数的图自编码器节点分类模型
16
作者 廖彬 张陶 +1 位作者 于炯 李敏 《计算机科学》 CSCD 北大核心 2024年第10期234-246,共13页
利用图嵌入方法将图的拓扑结构、节点属性等高维异构信息映射到稠密的向量空间,是解决图数据由非欧空间性带来的计算不友好、邻接矩阵的高度空间复杂性等问题的主流方法。在对经典图自编码器模型GAE与VGAE所存在的问题进行分析的基础上... 利用图嵌入方法将图的拓扑结构、节点属性等高维异构信息映射到稠密的向量空间,是解决图数据由非欧空间性带来的计算不友好、邻接矩阵的高度空间复杂性等问题的主流方法。在对经典图自编码器模型GAE与VGAE所存在的问题进行分析的基础上,尝试从编码器、解码器及损失函数3个方面对基于图自编码器的图嵌入方法进行改进,提出一种基于改进网络结构及损失函数的图自编码器模型NLGAE。首先,在模型结构设计上,一方面将编码器中堆叠的图卷积层倒置,以解决GAE与VGAE中无参Decoder缺乏灵活性并且表达能力不足的问题,另一方面引入注意力机制的图卷积网络GAT来解决节点之间的权重系数固化的问题;其次,重新设计的损失函数能够同时考虑到图结构与节点特征属性两部分信息。对比实验结果表明:NLGAE作为一种无监督模型,能够学习到高质量的节点嵌入特征,在下游节点分类任务上优于DeepWalk,GAE,GrpahMAE,GATE等经典无监督模型,并且在选择合适分类模型的情况下,甚至优于GAT和GCN等有监督的图神经网络模型。 展开更多
关键词 图表示学习 图自编码器 注意力机制 节点分类
在线阅读 下载PDF
基于对抗数据增强的非平衡节点分类算法
17
作者 程凤伟 王文剑 +1 位作者 史颖 张珍珍 《南京大学学报(自然科学版)》 CSCD 北大核心 2024年第5期785-792,共8页
图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研... 图神经网络(Graph Neural Networks,GNNs)在节点分类任务中取得了显著的成功,然而,目前的GNNs模型倾向于处理具有大量标记数据的多数类,较少关注标记较少的少数类,传统方法常通过过采样来解决这一问题,但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法,但对于生成的节点是否真正代表相应的少数类,没有明确保证,实际上,不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题,提出一种基于对抗训练的简单自监督数据增强方法 GraphA2,通过在少数类周围的平滑空间中对梯度最远的地方施加扰动来增强数据,同时采用对比学习来保证增强后的一致性.使用这种方法,不仅增强了数据的多样性,还确保了模型在整个空间中的平滑性和连贯性,能增强其泛化能力.实验表明,提出的方法在各种类别不平衡的数据集上的性能均优于目前最先进的基准模型. 展开更多
关键词 图神经网络 节点分类 非平衡数据 过采样 对抗数据增强
在线阅读 下载PDF
基于动态超图小波神经网络的半监督超图节点分类
18
作者 庞俊 程俊澳 +1 位作者 林晓丽 王蒙湘 《计算机应用研究》 CSCD 北大核心 2024年第12期3735-3741,共7页
半监督超图节点分类任务旨在利用少量节点的标签信息,预测未标记节点的标签,在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足:a)神经网络层数增加后,忽视隐藏的高阶关系;b)模型时间复杂度高。因此... 半监督超图节点分类任务旨在利用少量节点的标签信息,预测未标记节点的标签,在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足:a)神经网络层数增加后,忽视隐藏的高阶关系;b)模型时间复杂度高。因此,提出了一种新的动态超图小波神经网络(dynamic hypergraph wavelet neural network,DHGWNN),解决半监督超图节点分类问题。一方面,提出了一种基于k-NN、k-Hop和注意力机制的超图动态构建方法,挖掘节点之间隐藏的高阶关系,进一步丰富超图特征嵌入;另一方面,使用超图上的小波变换,构建了一种超图小波卷积网络,并重新推导了卷积更新公式,以解决模型时间复杂度高的问题。四个引文网络真实数据集上的实验结果表明,该方法的分类性能优于基线模型。 展开更多
关键词 超图 半监督学习 节点分类 小波变换
在线阅读 下载PDF
基于图注意力和改进Transformer的节点分类方法 被引量：1
19
作者 李鑫 陆伟 +2 位作者 马召祎 朱攀 康彬 《电子学报》 EI CAS CSCD 北大核心 2024年第8期2799-2810,共12页
当前,图Transformer主要在传统Transformer框架中附加辅助模块达到对图数据进行建模的目的 .然而,此类方法并未改进Transformer原有体系结构,数据建模精度还有待进一步提高.基于此,本文提出一种基于图注意力和改进Transformer的节点分... 当前,图Transformer主要在传统Transformer框架中附加辅助模块达到对图数据进行建模的目的 .然而,此类方法并未改进Transformer原有体系结构,数据建模精度还有待进一步提高.基于此,本文提出一种基于图注意力和改进Transformer的节点分类方法 .该方法构建基于拓扑特征增强的节点嵌入进行图结构强化学习,并且设计基于二级掩码的多头注意力机制对节点特征进行聚合及更新,最后引入归一前置及跳跃连接改进Transformer层间结构,避免节点特征趋同引起的过平滑问题.实验结果表明,相较于6类基线模型,该方法在不同性能指标上均可获得最优评估结果,且能同时兼顾小规模和中规模数据集的节点分类任务,实现分类性能的全面提升. 展开更多
关键词 节点分类 图注意力网络 TRANSFORMER 二级掩码 层间残差 多头注意力
在线阅读 下载PDF
基于节点分类的区域货流分布预测方法
20
作者 吴淼晶鑫 杨圣文 +2 位作者 陈富泽 钱琛浩 张梦娟 《科学技术与工程》 北大核心 2024年第22期9645-9653,共9页
为了更加精确地预测区域货流分布并准确描绘区域经济之间的联系与互动,提出了基于聚类算法与改进重力模型相结合的区域货流分布预测方法。首先,通过Pearson相关性检验对货运影响因素进行分析,针对不同区域之间的异质性和相似性,采用K-me... 为了更加精确地预测区域货流分布并准确描绘区域经济之间的联系与互动,提出了基于聚类算法与改进重力模型相结合的区域货流分布预测方法。首先,通过Pearson相关性检验对货运影响因素进行分析,针对不同区域之间的异质性和相似性,采用K-means++算法进行节点聚类,对起讫点(origin-destination,OD)进行精细化研究;其次,引入货运影响因素、社会联系强度以及由距离成本和时间成本构建的阻抗函数作为参数,对传统重力模型进行改进,灵活地适应不同地区的交通特征,使得模型更具通用性和适应性;最后,以云南省为例,利用构建的改进重力模型进行货流分布预测,并与传统重力模型预测结果进行比较。结果表明:改进重力模型预测精度比传统重力模型提升了57.75%,稳定性提升了54.66%。该方法预测精度明显提升,为区域货流预测提供了更为可靠的方法。 展开更多
关键词 区域货流分布 节点分类 K-means++ 重力模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部