计算机应用

作者：李扬, 吴安彪, 袁野, 赵琳琳, 王国仁

单位：1.东北大学 计算机科学与工程学院，沈阳 110169；2.北京理工大学 计算机学院，北京 100081

关键词：属性图嵌入,图卷积网络,节点分类,节点相似度,无监督

基金：国家自然科学基金资助项目(61932004);中央高校基本科研业务费专项(N181605012)

属性图嵌入旨在将属性图中的节点表示为低维向量，并同时保留节点的拓扑信息和属性信息。属性图嵌入已经有一系列相关工作，然而它们大多数提出的是有监督或半监督的算法。在实际应用中，需要标记的节点数量多，导致这些属性图嵌入算法的难度大，且需要消耗巨大的人力物力。针对上述问题以无监督的视角重新分析，提出了一种无监督的属性图嵌入算法。首先，通过已存在的无属性图嵌入算法和属性图的属性分别计算节点的拓扑信息和属性信息；其次，利用图卷积网络（GCN）得到节点的嵌入向量，并使得嵌入向量与拓扑信息以及嵌入向量与属性信息的差最小；最终，使拓扑信息和属性信息都相似的成对节点得到相似嵌入。与图自动编码器（GAE）方法相比，所提出的方法在Cora、Citeseer数据集上的节点分类准确率分别提升了1.2个百分点和2.4个百分点。实验结果表明，所提出的方法能够有效提高生成的嵌入的质量。

来源：2022年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第1期