面向節(jié)點(diǎn)分類任務(wù)的節(jié)點(diǎn)級(jí)自適應(yīng)圖卷積神經(jīng)網(wǎng)絡(luò)

摘要： 圖神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)圖中節(jié)點(diǎn)的遞歸采樣與聚合以學(xué)習(xí)節(jié)點(diǎn)嵌入，而現(xiàn)有方法中節(jié)點(diǎn)采樣與聚合的模式較固定，對(duì)局部模式的多樣性捕獲存在不足，從而降低模型性能.因此，文中提出節(jié)點(diǎn)級(jí)自適應(yīng)圖卷積神經(jīng)網(wǎng)絡(luò)(Node-Level Adaptive Graph Convolutional Neural Network, NA-GCN).設(shè)計(jì)基于節(jié)點(diǎn)重要性的采樣策略，自適應(yīng)地確定各節(jié)點(diǎn)的鄰域規(guī)模.同時(shí)...