融合拉普拉斯位置编码和自注意力机制的图神经网络

摘要

为解决现有位置编码捕获图结构信息不足和谱图滤波器表达能力有限的问题，提出一种基于拉普拉斯位置编码和自注意力机制的LESpecformer模型架构.首先，引入拉普拉斯位置编码，用于感知不同节点在图结构中的位置信息，提升模型学习不同节点相对位置信息的能力，进而捕获图结构的全局信息.其次，基于融合拉普拉斯位置编码的特征值集合，利用自注意力机制自适应地学习特征值之间的依赖关系并获得有效的新基表示，使所提出的模型学习到更好的节点嵌入，从而提升节点分类精度.最后，在6个图数据集上，与不同基线网络的节点分类实验进行对比，结果表明所提出的LESpecformer性能均达到最优.

关键词

谱图滤波器 / 拉普拉斯位置编码 / 自注意力机制 / 图神经网络

基金资助

国家自然科学基金资助项目(12201284); 福建省自然科学基金资助项目(2022J05169); 闽南师范大学基金资助项目(KJ2021020&MSGJB2022010)