计算机应用研究

作者：陈龙,张振宇,李晓明,白宏鹏,

单位：1.新疆大学a.软件学院;b.信息科学与工程学院,乌鲁木齐830000；2.浙江越秀外国语学院,浙江绍兴312000；3.天津大学智能与计算学院,天津300000；

关键词：多层网络,社团检测,图神经网络,自编码器,自监督学习,

基金：国家自然科学基金资助项目(62272311)；国家重点研发计划资助项目(2018YFC0831005)；中国天津经济技术开发区科技支撑计划资助项目(STCKJ2020-WRJ)；中国新疆建设兵团第十二师财务科技项目(SR202103)；；

基于图神经网络的多层网络社团检测方法面临以下两个挑战。一是如何有效利用多层网络的节点内容信息，二是如何有效利用多层网络的层间关系。因此，提出多层网络社团检测模型AGCFN（autoencoderenhanced graph convolutional fusion network）。首先通过自编码器独立提取每个网络层的节点内容信息，通过传递算子将提取到的节点内容信息传递给图自编码器进行当前网络层节点内容信息与拓扑结构信息的融合，从而得到当前网络层每个节点的表示，这种方法充分利用了网络的节点内容信息与拓扑结构信息。对于得到的节点表示，通过模块度最大化模块和图解码器对其进行优化。其次，通过多层信息融合模块将每个网络层提取到的节点表示进行融合，得到每个节点的综合表示。最后，通过自训练机制训练模型并得到社团检测结果。与6个模型在三个数据集上进行对比，ACC与NMI评价指标有所提升，验证了AGCFN的有效性。

来源：2024年第10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10期