计算机应用研究

作者：庞俊,程俊澳,林晓丽,王蒙湘,

单位：1.武汉科技大学计算机科学与技术学院,武汉430065；2.智能信息处理与实时工业系统湖北省重点实验室,武汉430065；3.中国标准化研究院,北京100088；

关键词：超图,半监督学习,节点分类,小波变换,

基金：新一代人工智能国家科技重大专项资助项目(2020AAA0108503)；国家自然科学基金资助项目(62372342)；武汉科技大学“十四五”湖北省优势特色学科(群)资助项目(2023D0301)；；

半监督超图节点分类任务旨在利用少量节点的标签信息，预测未标记节点的标签，在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足：a） 神经网络层数增加后，忽视隐藏的高阶关系；b） 模型时间复杂度高。因此，提出了一种新的动态超图小波神经网络（dynamic hypergraph wavelet neural network，DHGWNN），解决半监督超图节点分类问题。一方面，提出了一种基于k-NN、k-Hop和注意力机制的超图动态构建方法，挖掘节点之间隐藏的高阶关系，进一步丰富超图特征嵌入；另一方面，使用超图上的小波变换，构建了一种超图小波卷积网络，并重新推导了卷积更新公式，以解决模型时间复杂度高的问题。四个引文网络真实数据集上的实验结果表明，该方法的分类性能优于基线模型。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期