基于改进图注意力网络的关键节点识别方法OA
在关键节点识别中,传统中心性方法因依赖静态拓扑结构,难以准确评估节点的动态传播能力,而图神经网络方法虽能实现端到端的特征学习,但其邻域聚合机制偏重局部结构,且隐含了相邻节点等价的简化假设。基于此,文中提出一种基于增强型图注意力网络的关键节点识别模型。该模型首先通过多中心性特征嵌入刻画节点的全局结构重要性;其次,引入距离衰减机制以有效补充注意力权重的学习;此外,提出传播引导的动态双标签机制,融合SIR模拟生成的传播标签和中心性标签,从而构建出更符合真实传播过程的监督信号。基于6个真实网络数据集的实验结果表明,该模型在传播范围和传播速度等指标上均优于多种主流对比模型,是一种有效的关键节点识别方法。
汪晓洁;李兆林;何燕;张蕾
新疆财经大学信息管理学院,新疆乌鲁木齐830013新疆财经大学信息管理学院,新疆乌鲁木齐830013新疆财经大学信息管理学院,新疆乌鲁木齐830013新疆财经大学信息管理学院,新疆乌鲁木齐830013
信息技术与安全科学
关键节点识别图注意力网络特征增强动态融合标签距离衰减SIR
《现代电子技术》 2026 (15)
P.111-118,8
新疆维吾尔自治区自然科学基金项目(2025D01C73)新疆维吾尔自治区社科基金项目(2024BTQ136)国家自然科学基金项目(62266041)新疆财经大学高层次人才项目(2024XGC025)。
评论