计算机应用研究

作者：陈航,梁春泉,王紫,赵航,

单位：西北农林科技大学信息工程学院,陕西杨陵712100；

关键词：正例未标注图学习,协作推断,图神经网络,节点依赖,

基金：国家自然科学基金资助项目(61402375)；陕西省重点研发计划资助项目(2019ZDLNY07-02-01)；西北农林科技大学中央高校基本科研业务费专项基金资助项目(2452019065)；；

针对现有正例未标注图学习方法仅提取节点表征信息、独立推断节点类别的问题，提出了一种基于协作推断分类算法，利用节点之间关联信息来帮助推断未标注节点的标签。首先，采用个性化网页排位算法计算每个节点与全体已知正例节点的关联度。其次，采用一个图神经网络学习节点表征信息，与正例关联度联合构造一个局部分类器，预测未标注节点标签；采用另一个图神经网络获取局部节点标签之间依赖关系，与正例关联度联合构造一个关系分类器，协作更新未标注节点标签。然后，借鉴马尔可夫图神经网络方法交替迭代地训练两者，形成多跳步节点标签之间的协作推断；并且，为有效利用正例与未标注节点训练分类器，提出了混合非负无偏风险评估函数。最后，选择两者中任意一个，预测未标注节点的类别。在真实数据集上的实验结果表明，无论是识别单类别正例还是识别多类别合成正例，所述算法均表现出比其他正例未标注学习方法更佳效果，且对正例先验概率误差表现出更好的鲁棒性。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期