计算机应用研究

作者：张嘉杰,过弋,王家辉,

单位：1.华东理工大学信息科学与工程学院,上海200237；2.大数据流通与交易技术国家工程实验室商业智能与可视化技术研究中心,上海200436；3.上海大数据与互联网受众工程技术研究中心,上海200072；4.上海第二工业大学计算机与信息工程学院,上海201209；

关键词：图神经网络,知识蒸馏,数据增强,节点分类,

基金：上海市科学技术委员会科研计划项目(22DZ1204903,22511104800)；；

近年来，图神经网络对图数据强大的表征能力和建模能力使其在诸多领域广泛应用并取得了重大突破。然而，现有模型往往倾向于对图卷积聚合策略和网络结构进行优化，缺乏了对图数据自身先验知识的探索。针对上述问题，通过知识蒸馏的方法，设计了一种基于特征信息和结构信息增强的多教师学习图神经网络，打破了现有模型对于数据先验知识提取的局限性。针对图数据背后所蕴涵的丰富特征与结构信息，分别设计了节点特征和边的数据增强方式。在此基础上，将原始数据和增强后的数据通过多教师学习模块进行知识嵌入，使得学生模型学习到更多关于数据的先验知识。在Cora、Citeseer和PubMed数据集上，节点分类准确率分别提升了1%、1.3%、1.1%。实验结果表明，提出的信息增强的多教师学习模型能够有效地捕获先验知识。

来源：2023年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第7期