图神经网络与传统机器学习算法的对比研究  

作　　者：孙茜[1] 徐军莉[2] 

机构地区：[1]江西科技学院信息工程学院 [2]江西科技学院协同创新中心

出　　处：《江科学术研究》2022年第4期73-77,共5页Academic Research Of JXUT

基　　金：江西科技学院协同创新中心开放基金项目(NO.XTCX2111)。

摘　　要：为说明图神经网络与传统的机器学习算法在处理图数据的不同,选择K近邻算法和图卷积网络,分析其对cora数据集的分类过程和结果。结果发现,图卷积网络对cora数据分类准确度可达80.24%,表明图卷积网络能较高有效地对cora数据集的各节点进行分类;K近邻算法对cora数据集的分类精度仅为44.27%,表明K近邻算法不能有效实现对cora数据集的各节点进行分类。而从分类过程可以看出,由于K近邻算法没有利用节点与节点间的边的信息,导致其不能有效实现对cora数据集节点的分类。

关 键 词：图神经网络 机器学习 图卷积网络 K近邻算法 cora数据集 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]