计算机应用研究

作者：刘渊,赵紫娟,杨凯,

单位：1.扬州大学信息工程学院,江苏扬州225127；2.上海理工大学管理学院,上海200093；

关键词：图注意力网络,网络表示学习,节点分类,节点相似性,注意力机制,

基金：江苏省高等学校基础学科(自然科学)研究面上项目(22KJD120002)；；

图注意力网络（GAT）通过注意力机制聚合节点的邻居信息以提取节点的结构特征，然而并没有考虑网络中潜在的节点相似性特征。针对以上问题，提出了一种考虑网络中相似节点的网络表示学习方法NSGAN。首先，在节点层面上，通过图注意力机制分别学习相似网络和原始网络的结构特征；其次，在图层面上，将两个网络对应的节点嵌入通过基于图层面的注意力机制聚合在一起，生成节点最终的嵌入表示。在三个数据集上进行节点分类实验，NSGAN比传统的图注意力网络方法的准确率提高了约2%。

来源：2023年第3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3期