典型文献
基于图卷积的异质网络节点分类方法
文献摘要：
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(heterogeneous network node classification framework,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.
文献关键词：
异质网络;图神经网络;节点分类;语义关系;邻居权重
中图分类号：
作者姓名：
谢小杰;梁英;王梓森;刘政君
作者机构：
中国科学院计算技术研究所泛在计算系统研究中心 北京 100190;中国科学院大学计算机科学与技术学院 北京 100049;移动计算与新型终端北京市重点实验室(中国科学院计算技术研究所) 北京 100190
文献出处：
引用格式：
[1]谢小杰;梁英;王梓森;刘政君-.基于图卷积的异质网络节点分类方法)[J].计算机研究与发展,2022(07):1470-1485
A类：
HNNCF,网络约简,邻居权重,挖掘关系
B类：
图卷积,异质网络,网络节点,节点分类,分类方法,图神经网络,有效学习,学习网络,语义信息,分类任务,面临挑战,富语义,结构信息,使节,分类框架,heterogeneous,network,node,classification,framework,分类问题,转换规则,规则约简,化简,语义化,同质网络,关系表示,多语,结构建模,消息传递,框架设计,设计图,sum,语义特征,语义提取,分类数据,邻居节点,节点权重,分类效果,语义关系
AB值：
0.322906
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。
