典型文献
基于改进型图神经网络的学术论文分类模型
文献摘要：
[目的]解决传统图神经网络的过平滑问题,实现图神经网络不同深度和不同邻居的权重自适应分配,提高学术论文分类的性能.[方法]提出一种基于多头注意力机制和残差网络结构的改进型图神经网络学术论文分类模型.首先,基于多头注意力机制学习文献间多种关联特征,实现不同邻居节点权重的自适应分配;然后,基于残差网络结构聚合模型每层节点的输出,为模型提供自适应性聚合半径的学习机制;最后,基于改进型图神经网络学习论文引用关系图中每个节点的特征表示,将该特征输入多层全连接网络中得到最终分类结果.[结果]在大规模真实数据集上的实验结果表明,该模型准确率达到0.61,比图卷积神经网络和Transformer模型的准确率分别高出0.04和0.14.[局限]对小类别样本和难于区分的样本分类准确率不高.[结论]改进的图神经网络能够有效避免过平滑问题,实现不同权重的自适应分配.
文献关键词：
图神经网络;注意力机制;残差网络;深度学习;论文分类;文本分类
中图分类号：
作者姓名：
黄学坚;刘雨飏;马廷淮
作者机构：
南京信息工程大学计算机与软件学院 南京210044;江西财经大学虚拟现实现代产业学院 南昌330013;江西财经大学人文学院 南昌330013
文献出处：
引用格式：
[1]黄学坚;刘雨飏;马廷淮-.基于改进型图神经网络的学术论文分类模型)[J].数据分析与知识发现,2022(10):93-102
A类：
论文分类
B类：
改进型,图神经网络,学术论文,分类模型,过平滑,不同深度,权重自适应,自适应分配,多头注意力机制,残差网络结构,习文,关联特征,邻居节点,节点权重,聚合模型,每层,自适应性,学习机制,神经网络学习,引用关系,关系图,特征表示,全连接网络,真实数据,模型准确率,图卷积神经网络,Transformer,别样,难于,分类准确率,不同权重,文本分类
AB值：
0.321061
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。
