基于因果特征学习的有权同构图分类算法

摘要

针对现有神经网络方法对心梗患者Killip分级预测精度不足的问题，提出了一种能够学习因果特征的有权同构图分类算法。使用差异化的学习目标来分离图表示中的因果相关特征和非因果相关特征，再使用因果推理中的后门调整方法，减小了非因果特征对分类结果的混淆影响。实验结果表明：在心梗患者Killip分级预测任务中，本文方法的平均准确度达到了80.52%，相比于非图神经网络方法提高了3.72%，而相比于未学习因果特征的图神经网络方法提高了0.72%，本文方法可以更好地完成心梗患者Killip分级预测的任务。

关键词

计算机应用技术 / 图神经网络 / 因果分析 / Killip分级