基于深度图卷积胶囊网络的图分类模型

摘要：

针对提取图表征用于图分类过程中的结构信息提取过程的问题,提出了一种图卷积神经网络与胶囊网络融合的图分类模型.首先,利用图卷积神经网络处理图中的节点信息,迭代以后得到节点表征,表征中蕴含着该节点的子树结构信息;然后,利用Weisfeiler-Lehman图核算法的思想对节点表征的多维度进行排序,得到多视角的图表征;最后,将多视角的图表征整理成胶囊的形式并输入胶囊网络,使用动态路由算法得到更高层次的分类胶囊,进而进行分类.实验结果表明,所提模型在公共数据集上的分类准确度提升了1％～3％,同时具备更强的结构特征提取能力,在少样本情况下的表现比DGCNN更加稳定.

关键词：图分类、图表征、图卷积神经网络、胶囊网络、Weisfeiler-Lehman图核算法

所属期刊栏目：47

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省重点研发计划国际合作项目

在线出版日期：2020-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：219-225