《计算机应用研究》|Application Research of Computers

基于自我监督学习策略的层智能图卷积网络

Layer-wise graph convolutional network based on self-supervised learning strategy

免费全文下载 (已被下载 次)  
获取PDF全文
作者 孙峰,杨观赐,Ajith Kumar V,张安思
机构 浙江师范大学 文科综合实验教学中心;贵州大学 现代制造技术教育部重点实验室;人工智能学院;贵州大学 机械工程学院
统计 摘要被查看 次,已被下载
摘要 为了解决当前图卷积网络需要依赖大型数据集,从而导致时间和空间复杂度上升问题,研究提出了基于自我监督学习策略的层智能图卷积网络(RRLFS-L-GCN)。首先,通过在层智能图卷积网络(Layer-wise graph convolutional network,L-GCN)中添加多任务机制以提高算法的泛化能力;然后,设计一种随机删除固定步长边(randomly remove links with A fixed step,RRLFS)的自我监督学习策略,从而提出基于自我监督学习策略的层智能图卷积网络算法;最后,通过边预测验证RRLFS-L-GCN的性能。实验结果表明:本文算法的识别率最高可达97.13%。对于Cora测试集,本文算法所得识别准确率比未改进的层智能图卷积网络算法提高了6.73%。对于PubMed测试集,本文算法所得识别准确率比未改进的层智能图卷积网络算法提高了8.13%。与图卷积网络相比,在Citeseer数据集上,识别准确率提高了18.43%。
关键词 图卷积网络;自我监督学习策略;依赖大型数据集;层智能;多任务机制;边预测
基金项目 国家自然科学基金资助项目(61863005)
贵州省科技计划资助项目(黔科合平台人才[2018]5702,黔科合支撑[2019]2814,黔科合平台人才[2020]6007,[2020]4Y056,[2021]439)
贵州省高等学校集成攻关大平台建设资助项目(黔教合KY字[2020]005)
浙江师范大学实验技术开发资助项目(SJ202123)
本文URL http://www.arocmag.com/article/02-2022-01-042.html
收稿日期
修回日期
页码 -
中图分类号 TP183
文献标志码