多路动态注意力图卷积网络

作     者：俞颖杰 张雄涛 蒋云良 YU Yingjie;ZHANG Xiongtao;JIANG Yunliang

作者机构：浙江师范大学计算机科学与技术学院浙江金华321004 湖州师范学院信息工程学院浙江湖州313000 

基　　金：国家自然科学基金资助项目(U22A20102,62376094) 浙江省“尖兵”“领雁”研发攻关计划项目(2023C01150) 

出 版 物：《浙江师范大学学报（自然科学版）》 (Journal of Zhejiang Normal University:Natural Sciences)

年 卷 期：2024年第47卷第2期

页      码：157-165页

摘      要：图卷积网络在处理网络数据的各种任务上有很多应用,特别是异构图卷积网络更是得到了广泛应用.但是,现有的工作中大多只设计单一关系的异构网络,这在处理那些含有多类型节点并且节点间具有多重网络关系的复杂异构网络时,很难准确捕获到跨不同关系的节点的特征,因此,这些异构网络的效果自然是不能令人满意的.为了应对这一挑战,提出了一种处理异构网络嵌入的多路动态注意力图卷积网络(MDAGCN).MDAGCN首先通过动态聚合同一节点对之间多种关系的信息,然后通过注意力机制得到不同长度元路径注意力权重,最后使用多层卷积结合注意力权重充分获取不同长度元路径上的信息来学习节点表示.在3个真实的数据集上进行实验.结果表明:MDAGCN模型可以通过动态权重以及注意力充分学习异构网络上的节点信息,以此提升节点分类和链路预测的效果.

主 题 词：网络嵌入 图卷积网络 多路异构网络 节点分类 链路预测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16218/j.issn.1001-5051.2024.044

馆 藏 号：203127566...