典型文献
融合多角度信息和图卷积网络的社交网络节点分类模型
文献摘要：
针对传统图卷积网络(GCN)存在的信息提取不完整,社交网络节点分类精确度有待提升的问题,提出融合多角度信息和图卷积网络的社交网络节点分类模型(MAIF-GCN).利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的矩阵FA和共引信息的矩阵CoA;分别在正则化后的3个矩阵空间进行两层图卷积,得到输入特征在3种空间里的嵌入;将得到的嵌入相加,使用注意力机制,实现邻接邻居、同质最近邻、共引最近邻及三者组合的多角度信息的融合;最后通过训练获得节点分类器.实验结果表明:与现有的GCN变体相比,提出的MAIF-GCN模型在社交网络上分类准确率提高1％以上,证明了MAIF-GCN模型具有良好的信息挖掘和信息融合能力.
文献关键词：
节点分类;信息挖掘;信息融合;图卷积网络
中图分类号：
作者姓名：
刘超;梁安婷;刘小洋;黄贤英
作者机构：
重庆理工大学计算机科学与工程学院,重庆 400054
文献出处：
引用格式：
[1]刘超;梁安婷;刘小洋;黄贤英-.融合多角度信息和图卷积网络的社交网络节点分类模型)[J].重庆理工大学学报,2022(05):147-160
A类：
MAIF
B类：
角度信息,图卷积网络,社交网络,网络节点,节点分类,分类模型,GCN,信息提取,特征向量,邻接矩阵,FA,引信,CoA,正则化,矩阵空间,两层,输入特征,相加,注意力机制,接邻,邻居,最近邻,分类器,变体,分类准确率,信息挖掘,信息融合,融合能力
AB值：
0.288357
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
