基于数据增强的域自适应图卷积网络

杨妮亚; 赵维; 潘石; 吕桂新

doi:10.13413/j.cnki.jdxblxb.2024502

吉林大学学报(理学版) ›› 2026, Vol. 64 ›› Issue (2) : 311 -318. DOI: 10.13413/j.cnki.jdxblxb.2024502

基于数据增强的域自适应图卷积网络

杨妮亚, 赵维, 潘石, 吕桂新

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对无监督领域自适应图学习的挑战，提出一种基于数据增强的域自适应图卷积网络.该网络先构建高阶邻居关系矩阵与邻接矩阵共同引导信息传播学习更全面的图节点表征，然后引入基于数据增强的对比学习进行图域对齐，不仅挖掘了单域内语义信息，而且促进了域间更充分的知识迁移.在网络数据集Citation上进行实验评估的结果表明，该方法能从源图域中迁移丰富的标签知识到无标签的目标图域，解决了图表征学习对标签的依赖，减少了人工标注的花销，优于图域自适应经典算法.