-
题名基于增强图神经网络和对比学习的复杂网络节点分类
- 1
-
-
作者
徐培玲
王玉
谭艳丽
-
机构
山西经贸职业学院电子信息系
中北大学信息与通信工程学院
太原工业学院电子工程系
-
出处
《电信科学》
北大核心
2025年第8期127-138,共12页
-
基金
教育部产学合作协同育人项目(No.220606517245903)。
-
文摘
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。
-
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
-
Keywords
network node classification
complex network
graph neural network
graph attention network
contrastive learning
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
