关键词:
谱图神经网络
异配图
组合滤波器
节点分类
摘要:
谱图神经网络(Spectral Graph Neural Networks,SGNNs)在处理同配图数据时性能较优.然而,现有的SGNNs大多基于拉普拉斯矩阵的多项式近似设计滤波器,难以有效捕获图谱信号中的高频部分,进而限制其在异配图数据上的应用.此外,基于拉普拉斯矩阵设计的滤波器仅反映图拓扑的全局结构特征,无法灵活适应图数据中复杂的局部模式.为此,文中提出基于自适应组合滤波器的谱图神经网络(Spectral Graph Neural Network Based on Adaptive Combination Filters,ACGNN),从非多项式基的角度出发,组合图拉普拉斯矩阵的特征向量和特征值,设计根据节点邻域模式进行划分的组合滤波器,有效捕捉和学习不同节点的邻域结构模式.同时,在滤波器函数中加入与节点特征相关的参数矩阵,使滤波器能根据节点特征自适应调整权重.在5个同配图数据集和3个异配图数据集上的实验表明ACGNN的有效性和优越性.