基于扩增信息条件变分自编码器的特征增强模型OA
针对异质图中长尾分布现象导致的图神经网络性能受限问题,提出一种基于扩增信息条件变分自编码器的异质图特征增强模型.该模型首先采用不同元路径处理异质图,提取出扩增信息和特征信息;然后将这些信息作为条件变分自编码器的输入,学习元路径邻域节点的特征分布;最后根据特征分布为中心节点生成新特征以补充特征信息,进行特征增强.实验比较结果表明:与当前最优的特征增强方法相比,异质图特征增强模型在DBLP,ACM,IMDB数据集上的微平均F_(1)分数(Micro-F1)提升0.23%~1.42%,宏平均F_(1)分数(Macro-F1)提升0.17%~2.53%.综合计算效率比较实验和可视化分析验证了所提出方法在异质图特征增强领域的有效性.
许淏;李晨阳;李超;何琨
华中科技大学计算机科学与技术学院,湖北武汉430074 中国铁道科学研究院集团有限公司标准计量研究所,北京100081华中科技大学计算机科学与技术学院,湖北武汉430074华中科技大学计算机科学与技术学院,湖北武汉430074华中科技大学计算机科学与技术学院,湖北武汉430074
信息技术与安全科学
图神经网络异质图条件变分自编码器特征增强节点分类
《华中科技大学学报(自然科学版)》 2026 (6)
P.87-93,7
国家自然科学基金企业联合重点项目(U22B201)国家自然科学基金面上项目(62076105).
评论