基于标签传播增强的多通道图卷积网络

作     者：袁立宁 冯文刚 刘钊 YUAN Lining;FENG Wengang;LIU Zhao

作者机构：中国人民公安大学国家安全学院北京100038 广西警察学院公安大数据现代产业学院南宁530028 中国人民公安大学研究生院北京100038 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第8期

页      面：304-312页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2023YFC3321604) 广西哲学社会科学研究课题(23FTQ005) 北京市社会科学基金(22GLB225) 广西壮族自治区公安厅专项课题(2023GAQN092) 

主　　题：图卷积网络 标签传播算法 属性图 属性关系图 节点分类 

摘      要：多数图卷积网络(GCN)模型通过设计高效的信息传递和保留方式提升节点分类任务的实验表现,忽略了节点标签信息在拓扑空间和属性空间的传播。针对上述问题,提出了一种基于标签传播算法(LPA)增强的多通道图卷积模型MGCN-LPA,同时增大同类节点在属性和拓扑空间的关系权重,改善节点间特征和标签信息的传播。首先,计算不同节点的属性相似度值,并采用k近邻算法生成属性关系图;然后,利用结合了GCN和LPA的图卷积层GCN-LPA提取属性图和属性关系图的潜在特征,生成拓扑节点表示和属性节点表示;最后,将拓扑和属性表示进行融合,并将生成的最终表示用于节点分类任务。在3个基准图数据集上进行实验,MGCN-LPA的实验表现能够匹配当前较为先进的基线模型,其在Cora和Citeseer数据集上的分类结果相比表现最优的基线模型提升了9.3%和12%。上述实验结果表明,MGCN-LPA能够增大同类节点间路径的权重,从而增强同类节点间的信息传递,提升节点分类任务的实验表现。此外,消融实验结果表明,与仅使用拓扑空间或者属性空间信息的变体相比,融合两类信息的MGCN-LPA能够充分提取和保留原始图中蕴含的潜在特征,提升模型的表征能力和泛化性。