基于模态融合的属性图嵌入算法研究  

ATTRIBUTED GRAPH EMBEDDING ALGORITHM OF MODAL FUSION

作　　者：朱锋 董一鸿[1] 贾香恩 辛宇 Zhu Feng;Dong Yihong;Jia Xiang'en;Xin Yu(Faculty of Electrical Engineering and Computer Science,Ningbo University,Ningbo 315211,Zhejiang,China)

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211

出　　处：《计算机应用与软件》2025年第2期292-298,共7页Computer Applications and Software

基　　金：国家自然科学基金项目(61602133);浙江省自然科学基金项目(LY20F020001,LY20F020009);宁波市自然科学基金项目(202003N4086)。

摘　　要：现有的属性图嵌入算法不能灵活捕捉多模态属性信息对拓扑结构的影响,也不能很好地处理属性异构性。对此,提出一种基于模态融合的属性图嵌入学习算法。算法能够将不同类型的信息平滑地映射到相同的语义空间,同时保留拓扑结构。设计一个模态融合模块以利用不同模态之间的互补信息。实验结果表明,相比于其他对比方法,该算法在各类任务上拥有更好的性能。The existing attribute graph embedding algorithms cannot capture the influence of heterogeneous attribute information on topology structure flexibly and cannot deal with the heterogeneity of attribute well.A attributed graph embedding learning algorithm based on modal fusion is proposed.The algorithm could map different types of information smoothly into the same semantic space while preserving the topological structure.A modal fusion module was designed to utilize complementary information between different modes.Experimental results show that the proposed algorithm has better performance than other comparison methods on various tasks.

关 键 词：属性图 图嵌入 多模态 图神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP3[自动化与计算机技术—控制科学与工程]