计算机应用

作者：陈可佳, 杨泽宇, 刘峥, 鲁浩

单位：1. 南京邮电大学 计算机学院, 南京 210046;2. 江苏省大数据挖掘与智能计算重点实验室, 南京 210046

关键词：图卷积网络,邻域选择策略,图嵌入,节点分类,半监督学习

基金：国家自然科学基金资助项目（61603197，61772284）。

邻域的组成对于基于空间域的图卷积网络（GCN）模型有至关重要的作用。针对模型中节点邻域排序未考虑结构影响力的问题，提出了一种新的邻域选择策略，从而得到改进的GCN模型。首先，为每个节点收集结构重要的邻域并进行层级选择得到核心邻域；然后，将节点及其核心邻域的特征组成有序的矩阵形式；最后，送入深度卷积神经网络（CNN）进行半监督学习。节点分类任务的实验结果表明，该模型在Cora、Citeseer和Pubmed引文网络数据集中的节点分类准确性均优于基于经典图嵌入的节点分类模型以及四种先进的GCN模型。作为一种基于空间域的GCN，该模型能有效运用于大规模网络的学习任务。

来源：2019年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第12期