基于相似网络和联合注意力的图嵌入模型

摘要

图注意力网络(graph attention network, GAT)将注意力机制与图神经网络融合，但模型只关注节点的一阶邻域节点，缺乏对高阶相似节点的考虑，同时在计算注意力分数时缺乏对节点结构特征的关注.为此提出一种基于相似网络和联合注意力的图嵌入模型.首先计算网络中的节点相似性，并将高相似度且未连接的节点对构建新边以形成相似网络.其次，引入结构相关性和内容相关性的概念，分别用于表征节点之间的结构关系和内容特征.通过融合两种相关性得分计算得到联合注意力分数.最后使用联合注意力分数对节点特征加权聚合，得到最终的节点嵌入表示.将本文所提算法在Cora、Citeseer和Pubmed 3个数据集上进行节点分类任务，准确率分别达到85.70%、74.30%、84.10%,与原始图注意力网络模型相比分别提高了2.70%、3.94%和2.60%.可见，所提出的算法可以得到更好的节点嵌入表示.

关键词

图嵌入 / 图注意力网络 / 节点相似性 / 相似网络 / 节点分类