排序方式: 共有2条查询结果,搜索用时 46 毫秒
1
1.
针对传统图卷积网络(GCN)存在的信息提取不完整,社交网络节点分类精确度有待提升的问题,提出融合多角度信息和图卷积网络的社交网络节点分类模型(MAIF-GCN)。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矩阵FA和共引信息的矩阵CoA;分别在正则化后的3个矩阵空间进行两层图卷积,得到输入特征在3种空间里的嵌入;将得到的嵌入相加,使用注意力机制,实现邻接邻居、同质最近邻、共引最近邻及三者组合的多角度信息的融合;最后通过训练获得节点分类器。实验结果表明:与现有的GCN变体相比,提出的MAIF-GCN模型在社交网络上分类准确率提高1%以上,证明了MAIF-GCN模型具有良好的信息挖掘和信息融合能力。 相似文献
2.
1