数字农科院2.0

附加特征图增强的图卷积神经网络

文献类型： 中文期刊

作者： 孙隽姝;王树徽;杨晨雪;黄庆明;郑振刚

作者机构：

关键词： 图表示学习;图神经网络;信息传播;图卷积网络;节点分类

期刊名称：计算机学报

ISSN： 0254-4164

年卷期： 2023 年

页码：

收录情况： EI（2023版） ; ; 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版）

摘要： 近年来，图卷积网络（Graph Convolutional Network,GCN）凭借其简单的网络结构、在图上任务中展现出的优异性能，受到了学术界和工业界的广泛关注。然而GCN也存在着在浅层时信息传播范围过小、特征提取不充分的缺陷。针对这一问题，本研究提出附加特征图模型（Additional Feature Graph,AFG）。AFG通过引入图的节点结构特征（度特征），对度相同的节点随机增加连边、缩短信息传播距离。AFG并不是独立的图神经网络模型，而是作为一种附加技术与GCN及其相关模型配合使用。实验显示，在Cora、Citeseer、Pubmed数据集上AFG能够对浅层主干模型实现显著性能增益，帮助主干模型性能超越了其他以提升模型特征提取能力、改善欠传播情况为目的进行设计的模型。本研究进一步分析了AFG与DropEdge——一种随机切断原始图连边的附加技术——的区别与联系，并通过实验证明附加特征图模型与DropEdge模型共同使用的可行性，以及两者间存在一定的互补性。结合使用两种附加技术可以实现更大的节点分类准确度增益。

分类号：

  • 相关文献

[1]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2022

[2]图神经网络应用于知识图谱构建：研究进展、农业发展潜力及关键方向. 袁欢,范蓓蕾,杨晨雪,李娴. 2025

[3]农业科技信息传播效果的分析方法. 李芸. 2010

[4]黑龙江省农村信息传播的现状及对策分析. 毕洪文. 2012

[5]黑龙江省水稻冷害风险经营对策研究. 中本和夫,李丽原,矫江. 2009

[6]新媒体时代的信息传播问题研究——以转基因技术为例. 李浩辉,康宇立,李驰,王友华,解沛,苗水清. 2024

作者其他论文 更多>>