基于相似度随机游走聚合的图节点分类算法

摘要

针对异质图节点分类任务中MLP、GCN等方法准确率相对较低的问题，提出了一种基于相似度随机游走聚合的图神经网络（SRW-GNN）。为降低异质性对节点嵌入的影响，SRW-GNN利用节点间的相似度作为概率进行随机游走，并将采样路径作为邻域以获取更多同质信息。为解决大多数现有GNN聚合器对节点顺序不敏感的问题，本文引入基于循环神经网络（RNN）的路径聚合器来同时提取路径中节点的特征和顺序信息。此外，节点对不同路径有不同的偏好，为了自适应地学习不同路径在节点编码中的重要性，采用注意力机制动态地调整各路径对最终嵌入的贡献。在多个常用的异质图数据集的实验结果表明，本文方法的准确率明显优于MLP、GCN、H2GCN、HOG-GCN等方法，验证了其在异质图节点分类任务中的有效性。

关键词

计算机应用技术 / 图神经网络 / 异质图 / 节点分类