文献类型：期刊文章

作　　者：郝志峰[1,2] 柯妍蓉[1] 李烁[1] 蔡瑞初[1] 温雯[1] 王丽娟[1]

HAO Zhifeng;KE Yanrong;LI Shuo;CAI Ruichu;WEN Wen;WANG Lijuan(College of Computer Science,Guangdong University of Technology,Guangzhou Guangdong 510006,China;College of Mathematics and Big Data,Foshan University,Foshan Guangdong 528000,China)

机构地区：[1]广东工业大学计算机学院,广州510006 [2]佛山科学技术学院数学与大数据学院,广东佛山528000

出　　处：《计算机应用》

基　　金：国家自然科学基金-广东联合基金资助项目(U1501254)~~

年　　份：2020

卷　　号：40

期　　号：1

起止页码：188-195

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对如何融合节点自身属性以及网络结构信息实现社交网络节点分类的问题,提出了一种基于图编码网络的社交网络节点分类算法。首先,每个节点向邻域节点传播其携带的信息;其次,每个节点通过神经网络挖掘其与邻域节点之间可能隐含的关系,并且将这些关系进行融合;最后,每个节点根据自身信息以及与邻域节点关系的信息提取更高层次的特征,作为节点的表示,并且根据该表示对节点进行分类。在微博数据集上,与经典的深度随机游走模型、逻辑回归算法有以及最近提出的图卷积网络算法相比,所提算法分类准确率均有大于8%的提升;在DBLP数据集上,与多层感知器相比分类准确率提升4.83%,与图卷积网络相比分类准确率提升0.91%。

关 键 词：社交网络 节点分类  图编码网络  图神经网络  图表示

分 类 号：TP391.4]