计算机科学与探索

作者：刘超, 梁安婷, 刘小洋, 黄贤英

单位：重庆理工大学 计算机科学与工程学院，重庆 400054

关键词：社交网络,信息提取,信息融合,节点分类,图卷积网络（GCN）

针对社交网络节点分类效果不佳的问题，提出一种融合多元信息的图卷积网络节点分类模型（IMIGCN）。首先，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同质矩阵FA和共引信息的共引矩阵CoA；分析网络中的三角结构，通过转换公式构造包含节点间三角信息的三角矩阵TriA。在此基础上，融入节点自身信息。接着，改进传统图卷积网络（GCN）模型。将GCN的单核改进为适应性多核，通过注意力机制将多核学习的结果自适应融合为一个嵌入，达到一次卷积同时融合多元信息的效果。为了学习更多信息，将模型过程中的嵌入设计为多头，通过多头嵌入注意力自适应学习多头嵌入的权重分配。实验结果表明，与现有较优的节点分类模型相比，提出的IMIGCN在社交网络上的分类精确度提高0.009 8~0.053 2，F1指标提升0.012 7~0.053 6，证明了提出的IMIGCN合理有效。

来源：2023年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第9期