计算机应用研究

作者：张嘉杰,过弋,王家辉,王雨,

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；

关键词：图神经网络,集成学习,特征相似图,节点分类,

基金：国家重点研发计划资助项目(2018YFC0807105)；国家自然科学基金资助项目(61462073)；上海市科学技术委员会科研计划项目(17DZ1101003,18511106602,18DZ2252300)；；

近年来，图神经网络由于其丰富的表征和推理能力受到广泛的关注，然而，目前的研究聚焦于卷积策略和网络结构的调整以获得更高的性能，不可避免地面临单一模型局限性的约束。受到集成学习思想的启发，面向图神经网络创新性地提出一套集成学习框架（EL-GNN）。不同于常规的文本和图像数据，图数据除了特征信息外还包括了丰富的拓扑结构信息。因此，EL-GNN不仅将不同基分类器的预测结果进行融合，还在集成阶段额外补充了结构信息。此外，基于特征相似或结构邻居节点通常具有相似标签的先验假设，借助特征图重构，进一步优化集成策略，充分平衡了节点的特征和结构信息。大量实验表明，提出的集成策略取得了良好的成效，并EL-GNN在节点分类任务上显著优于现有模型。

来源：2022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2022年第3期