典型文献
双分支多交互的深度图卷积网络
文献摘要：
图神经网络在节点分类任务中表现较优,然而,如何充分获取图数据的高阶语义特征并防止过平滑现象,仍是影响节点分类准确性的关键问题之一.为此,文中构造双分支多交互的深度图卷积网络,用于增强节点获取高阶语义特征的能力.首先,根据节点的特征信息对图结构进行重构.然后,利用原始图结构和构造重构图结构,建立一个双分支的网络架构,充分提取不同的高阶语义特征.同时,设计一个通道信息交互机制,学习不同分支的信息交互,进一步增强节点特征的多样性.最后,在多个基准数据集上的实验表明,文中网络可有效提升半监督节点分类任务的精度,并缓解过平滑现象.
文献关键词：
深度学习;图神经网络;特征提取;节点分类
中图分类号：
作者姓名：
楼嘉琪;叶海良;杨冰;李明;曹飞龙
作者机构：
中国计量大学 理学院 应用数学系 杭州 310018;浙江师范大学 浙江省智能教育技术与应用重点实验室 金华321004
文献出处：
引用格式：
[1]楼嘉琪;叶海良;杨冰;李明;曹飞龙-.双分支多交互的深度图卷积网络)[J].模式识别与人工智能,2022(08):754-763
A类：
深度图卷积网络
B类：
双分支,图神经网络,分类任务,分获,图数据,语义特征,过平滑,分类准确性,特征信息,图结构,构图,一个双,网络架构,分提,一个通,信息交互机制,节点特征,基准数据集,中网,半监督节点分类
AB值：
0.275911
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。
