首页|期刊导航|吉林大学学报(理学版)|改进半监督学习的知识图谱节点分类模型

改进半监督学习的知识图谱节点分类模型OA

中文摘要

针对知识图谱节点分类中语义信息和图结构信息协同建模不足,以及有限标注条件下多层特征利用不充分的问题,提出一种基于半监督学习的图卷积和注意力跳跃网络模型.该模型利用图卷积网络提取结构特征,通过图注意力网络自适应聚合邻域信息,并结合长短期记忆网络和注意力机制融合不同层次的节点表示.在开放图基准中的计算机科学论文引用网络数据集上的实验结果表明:该模型的准确率、精确率、召回率以及精确率和召回率的调和平均值分别为75.96%,73.52%,72.34%和72.93%,优于目前多种主流图神经网络模型;该模型能有效融合节点语义、图结构与跨层特征,提升有限标注条件下的节点分类性能.

杨茂林;张赜涛;马迪南;施睿;宋耀莲;虞贵财

云南省媒体融合重点实验室,昆明650228 西安电子科技大学通信工程学院,西安710071云南省媒体融合重点实验室,昆明650228云南省媒体融合重点实验室,昆明650228云南省媒体融合重点实验室,昆明650228昆明理工大学信息工程与自动化学院,昆明650500青海民族大学物理与电子信息工程学院,西宁810007

信息技术与安全科学

知识图谱图卷积网络图注意力机制跳跃连接机制半监督学习

《吉林大学学报(理学版)》 2026 (5)

P.1139-1150,12

国家自然科学基金(批准号:62261056)教育部产学合作协调育人项目(批准号:231107173102719)云南省媒体融合重点实验室开放项目(批准号:220245203)。

10.13413/j.cnki.jdxblxb.2025175

评论