基于互信息最大化和聚类感知的节点表示学习
基于互信息最大化和聚类感知的节点表示学习
复制标题
DOI：
10.7540/j.ynu.20220644
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
武浩
中科院分区：
文献类型：
--
作者：
汤乾;武浩
节点表示学习是研究各类图结构数据的基础. 图结构数据具有复杂的结构关系和丰富的节点信息，.如何融合图结构和节点信息来学习高质量的节点表示，仍是一个挑战性问题. 为此，提出一种基于互信息最.大化和聚类感知的节点表示学习模型. 首先，对原始图使用图扩散方法构造扩散图；然后，使用图卷积网络编.码两个图到低维特征空间获得节点表示和全局表示；最后，基于互信息最大化原理，最大化一个图的节点表.示和另一个图的全局表示间的一致性，反之亦然；同时，将语义相似的节点聚类到同一个簇，并最大化两个图.的节点表示间的聚类一致性. 在两个引文数据集上的节点分类和节点聚类的实验结果表明，该模型的性能在.多项指标上都优于基线方法. 以 Cora 数据集为例，在节点分类任务上，该模型对比基线方法在准确率和 F1 值.指标上分别提高了 2.7% 和 0.6%.