重庆理工大学学报(自然科学) ›› 2022, Vol. 36 ›› Issue (5): 147-160.

• “网络科学与数据挖掘”专栏 • 上一篇    

融合多角度信息和图卷积网络的社交网络节点分类模型

刘 超,梁安婷,刘小洋   

  1. 重庆理工大学 计算机科学与工程学院,重庆 40005
  • 发布日期:2022-06-16
  • 作者简介:刘超,男,博士,副教授,主要从事社交网络分析研究,Email:liuchaocqst@163.com;通讯作者 梁安婷,女,硕士 研究生,主要从事社交网络分析研究,Email:lat_cqut@163.co

  • Published:2022-06-16

摘要: 针对传统图卷积网络(GCN)存在的信息提取不完整,社交网络节点分类精确度有 待提升的问题,提出融合多角度信息和图卷积网络的社交网络节点分类模型(MAIFGCN)。利 用特征向量 X和邻接矩阵 A,分别构造包含节点间同质信息的矩阵 FA和共引信息的矩阵 CoA;分别在正则化后的 3个矩阵空间进行两层图卷积,得到输入特征在 3种空间里的嵌入;将 得到的嵌入相加,使用注意力机制,实现邻接邻居、同质最近邻、共引最近邻及三者组合的多角 度信息的融合;最后通过训练获得节点分类器。实验结果表明:与现有的 GCN变体相比,提出 的 MAIFGCN模型在社交网络上分类准确率提高 1%以上,证明了 MAIFGCN模型具有良好的 信息挖掘和信息融合能力。

关键词: 节点分类;信息挖掘;信息融合;图卷积网络

中图分类号: 

  • TP391.4