-
题名改进的自适应深层图模型
- 1
-
-
作者
陈威
石瑞雪
温秀梅
-
机构
河北建筑工程学院
张家口市大数据技术创新中心
-
出处
《河北建筑工程学院学报》
CAS
2023年第4期207-213,共7页
-
基金
2020级研究生创新基金项目(XY2023020)。
-
文摘
图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。
-
关键词
消息聚合
图跳跃知识转换网络
深层图模型
元路径
高阶语义信息
-
Keywords
message aggregation
graph jump knowledge transformation network
deep graph model
metapath
high level semantic information
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
