声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：谢小杰,梁英,王梓森,刘政君,
关键词：异质网络, 图神经网络, 节点分类, 语义关系, 邻居权重,
图神经网络能够有效学习网络语义信息，在节点分类任务上取得了良好的效果.但仍面临挑战：如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题，提出了一种基于图卷积的异质网络节点分类框架(heterogeneousnetworknodeclassificationframework,HNNCF)，包括异质网络约简和图卷积节点分类，解决异质网络节点分类问题.通过设计转换规则约简异质网络，将异质网络化简为语义化同质网络，利用节点间的关系表示保留异质网络多语义信息，降低网络结构建模复杂度；基于消息传递框架设计图卷积节点分类方法，在语义化同质网络上学习无1-sum约束的邻居权重等网络结构信息，深入挖掘关系语义特征，发现不同连接关系和邻居语义提取的差异性，生成节点的异质语义表示用于节点分类，识别节点类别标签.在3个公开的节点分类数据集上进行了实验，结果表明HNNCF能够充分利用异质网络多种语义信息，有效学习邻居节点权重等网络结构信息，提升节点分类效果.
来源：2022年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。