检索结果-南通市图书馆

计算机应用研究 2024年

作者：庞俊程俊澳林晓丽王蒙湘武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室中国标准化研究院

半监督超图节点分类任务旨在利用少量节点的标签信息，预测未标记节点的标签，在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足：a)神经网络层数增加后，忽视隐藏的高阶关系；b)模型时间复杂度高... 详细信息

半监督超图节点分类任务旨在利用少量节点的标签信息，预测未标记节点的标签，在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足：a)神经网络层数增加后，忽视隐藏的高阶关系；b)模型时间复杂度高。因此，提出了一种新的动态超图小波神经网络(Dynamic hypergraph wavelet neural networks,DHGWNN)，解决半监督超图节点分类问题。一方面，提出了一种基于k-NN、k-Hop和注意力机制的超图动态构建方法，挖掘节点之间隐藏的高阶关系，进一步丰富超图特征嵌入；另一方面，使用超图上的小波变换，构建了一种超图小波卷积网络，并重新推导了卷积更新公式，以解决模型时间复杂度高的问题。4个引文网络真实数据集上的实验结果表明：提出方法的分类性能优于基线模型。

关键词：超图半监督学习节点分类小波变换

来源：