基于潜在组分配及对比学习增强的符号二值图神经网络

摘要：

针对符号二值网络的节点异质性及三角形形式平衡理论不适用性的问题,提出一种基于潜在类分配及对比学习增强的符号二值图神经网络模型,其通过同质和异质双空间的互相补充来充分提取网络的隐式和显式信息.在同质空间,采用可学习的潜在组对节点进行分配并将节点看做多个潜在组的组合,然后通过训练来自动挖掘节点间的信息.在异质空间,对节点邻居进行有方向区分的注意力聚合,然后采用网络重建的互信息对比学习来引导聚合过程以获得表达能力更强的表示向量.在符号链接预测任务上与多种相关模型进行对比实验,实验结果显示所提出的模型在四个真实数据集上采用四种评价指标获取的16个评价结果中,12个评价结果可以取得最优值,验证了所提出模型的有效性.

关键词：符号二值网络、图神经网络、互信息、对比学习

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：教育部新工科研究与实践项目;国家社会科学基金;河北省社会科学基金资助项目;河南省重点研发与推广项目

在线出版日期：2023-05-19（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：1389-1395