计算机工程

作者：白明昌

单位：甘肃农业大学 信息科学技术学院，兰州 730070

关键词：折叠路径,注意力机制,卷积神经网络,属性图,节点嵌入

基金：教育部产学合作协同育人新工科建设项目(201801224003); 甘肃省高等教育教学成果培育项目

属性网络嵌入是图分析领域具有挑战性的任务之一，旨在从网络的拓扑结构和节点特征中学习节点的低维向量表示，同时最大限度地保持其结构和固有特性，然而现有方法多数仅研究网络间的基本关系，未考虑节点邻居的相对重要性。基于此，提出一种基于折叠路径聚合的属性网络节点嵌入方法，有效挖掘属性网络中的复合关系并充分度量节点邻居的重要程度。基于拓扑结构捕获节点的直接邻居并构建结构-属性二部图，挖掘“节点-属性-节点”折叠路径中所蕴含的复合关系，捕获节点的间接邻居。设计语义路径内部聚合策略，通过卷积神经网络聚合器聚合间接邻居表示和直接邻居表示，同时融合节点属性以捕获不同语义之间细粒度的特征交互，并根据语义路径间聚合策略整合2种细粒度嵌入表示，得到最终的节点嵌入。在Flickr、ArXiv和Pubmed这3个真实数据集上的实验结果表明，该方法的节点分类性能优于先进的属性网络嵌入方法，且与Node2Vec方法相比，Macro-F1和Micro-F1值分别高出0.067~0.234。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期