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