基于自适应特征更新的动态深度图神经网络

• 作者: 刘颖颖 叶海良 曹飞龙
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 深层网络 图卷积网络 节点分类 自适应
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 信息科学|Information Science
• 页码范围: 524-532
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2021.04.013

摘要

目的:为了解决由过拟合和过平滑引起的图网络加深的问题,构建自适应特征更新动态深度图神经网络用于节点分类任务.方法:首先,网络整体框架由深层局部分支和全局分支构成,并由它们进行特征提取.然后,在深层局部分支中利用边删除技术动态地进行数据增强,将数据输入到自适应滤波器中进行深度特征更新,进一步构建自适应跳跃连接存储块,动态地储存不同层的深度特征.最后,将深度特征和全局特征融合完成节点分类任务.结果:与其他节点分类方法在Cora、Citeseer和Pubmed数据集进行实验比较,本文提出的方法网络层数可以增加到128层,全监督任务分类精度提高了0.6％ ～2.0％.结论:自适应特征更新的动态深度图神经网络成功地加深了图网络,在节点分类任务中具有较好的性能.