基于折叠路径聚合的属性网络节点嵌入方法

作     者：白明昌 BAI Mingchang

作者机构：甘肃农业大学信息科学技术学院兰州730070 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2023年第49卷第7期

页      面：76-84页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：教育部产学合作协同育人新工科建设项目(201801224003) 甘肃省高等教育教学成果培育项目。 

主　　题：折叠路径 注意力机制 卷积神经网络 属性图 节点嵌入 

摘      要：属性网络嵌入是图分析领域具有挑战性的任务之一,旨在从网络的拓扑结构和节点特征中学习节点的低维向量表示,同时最大限度地保持其结构和固有特性,然而现有方法多数仅研究网络间的基本关系,未考虑节点邻居的相对重要性。基于此,提出一种基于折叠路径聚合的属性网络节点嵌入方法,有效挖掘属性网络中的复合关系并充分度量节点邻居的重要程度。基于拓扑结构捕获节点的直接邻居并构建结构-属性二部图,挖掘“节点-属性-节点折叠路径中所蕴含的复合关系,捕获节点的间接邻居。设计语义路径内部聚合策略,通过卷积神经网络聚合器聚合间接邻居表示和直接邻居表示,同时融合节点属性以捕获不同语义之间细粒度的特征交互,并根据语义路径间聚合策略整合2种细粒度嵌入表示,得到最终的节点嵌入。在Flickr、ArXiv和Pubmed这3个真实数据集上的实验结果表明,该方法的节点分类性能优于先进的属性网络嵌入方法,且与Node2Vec方法相比,Macro-F1和Micro-F1值分别高出0.067~0.234。