论文部分内容阅读
针对目前的图卷积神经网络中,没有关注节点的重要程度和有效利用每一层卷积层所提取信息的问题,本文提出了一种用于图分类任务的改进图同构网络模型.首先,为了区分节点的重要程度,本文通过用度矩阵加权卷积算子的方式,使邻居节点数目多的节点获得了更大的权重,使得网络在学习时优先考虑这些节点特征信息.其次,为了区分每一层卷积层重要程度不同,本文计算了每一层节点特征的相似度,根据相似度来为每层节点的特征加权.在实验部分,本文将提出的方法与6个主流的神经网络方法在4个数据集上作比较.实验结果表明,本文提出的多层特征动