基于相似度随机游走聚合的图节点分类算法
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)
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。