基于改進(jìn)圖卷積神經(jīng)網(wǎng)絡(luò)的半監(jiān)督分類

打開文本圖片集

摘 要：圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）是一種用于處理圖數(shù)據(jù)的深度學(xué)習(xí)模型.在經(jīng)典的GCN中節(jié)點(diǎn)之間的聚合，未考慮節(jié)點(diǎn)間相似度的特征信息，影響了分類模型的準(zhǔn)確性和模型訓(xùn)練的收斂速度.本文提出了一種改進(jìn)聚合權(quán)重的圖卷積神經(jīng)網(wǎng)絡(luò)IAW-GCN，通過利用描述節(jié)點(diǎn)相似度的曼哈頓距離度量設(shè)計(jì)了節(jié)點(diǎn)聚合權(quán)重函數(shù)，并用節(jié)（剩余12836字）