基于节点度与效率的加权卷积神经网络构建  

作　　者：牛奉高[1] 姜亚男 张翠云 

机构地区：[1]山西大学数学科学学院,中国太原

出　　处：《评价与管理》2024年第1期108-108,共1页Evaluation & Management

摘　　要：在图卷积网络的研究中,节点的信息聚合对于下游任务至关重要。然而,目前的图卷积网络在对邻近节点进行消息聚合时,没有从网络拓扑结构的角度来区分不同邻近节点的重要性。本文基于网络拓扑结构,提出了一种基于网络节点度和效率的加权图卷积网络(W-CCN)模型。为了区分节点的重要性,本文没有采用通常图卷积网络用邻接矩阵计算得到的归一化对称拉普拉斯矩阵,而是利用网络中节点的度和效率来重新构建节点的重要性矩阵,从而在图卷积的运算过程中分别给相邻节点分配权值。在实验部分,我们通过几个真实的基准数据集(Cora、CiteSeer和PubMed)对所提出的方法进行了检验,并与以往图卷积网络方法进行了比较。实验结果表明,本文提出的W-GCN模型在预测精度上优于图卷积网络模型,取得了较好的结果。

关 键 词：图卷积网络 网络效率 加权图卷积网络 文本分类 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]