基于相似度随机游走聚合的图节点分类算法

作     者：车翔玖 孙雨鹏 

作者机构：吉林大学计算机科学与技术学院 

出 版 物：《吉林大学学报(工学版)》 (Journal of Jilin University(Engineering and Technology Edition))

年 卷 期：2024年

核心收录：

学科分类：07[理学] 070104[理学-应用数学] 0701[理学-数学] 

基　　金：国家自然科学基金项目(62172184) 吉林省科技发展计划项目(20200401077GX 20200201292JC) 

主　　题：计算机应用技术 图神经网络 异质图 节点分类 

摘      要：针对异质图节点分类任务中MLP、GCN等方法准确率相对较低的问题，本文提出了一种基于相似度随机游走聚合的图神经网络（SRW-GNN）。多数现有的节点分类方法通常将邻居节点作为邻域，但异质图中目标节点与其邻居通常属于不同类别。为降低异质性对节点嵌入的影响，SRW-GNN利用节点间的相似度作为概率进行随机游走，并将采样的路径作为邻域以获取更多同质信息。路径中节点出现的顺序对于捕获邻域信息尤为关键。然而，大多数现有的GNN聚合器对节点顺序不敏感，本文引入了基于循环神经网络（RNN）的路径聚合器，来同时提取路径中节点的特征和顺序信息。此外，节点对不同路径有不同的偏好，为了自适应地学习不同路径在节点编码中的重要性，采用了注意力机制动态地调整各路径对最终嵌入的贡献。在多个常用的异质图数据集的实验结果表明，该方法的准确率明显优于MLP、GCN、H2GCN、HOG-GCN等方法，验证了其在异质图节点分类任务中的有效性。