基于图卷积网络利用拓扑特征对论文领域进行分类
社会与信息网络
2019-04-17 v1 机器学习
机器学习
摘要
图中节点分类的主要方法包括信息传播以及将节点类别与外部信息相关联。当前最先进的方法通过图卷积网络(GCN)将这两种方法相融合。本文利用节点的拓扑特征与其类别的关联来预测该类别。此外,将拓扑信息与信息传播相结合,在标准 CiteSeer 和 Cora 论文分类任务上提升了分类准确率。拓扑特征与信息传播所产生的结果几乎与基于文本的分类一样好,且无需任何文本或内容信息。我们提出通过 GCN 来表示拓扑与信息传播,以相邻训练节点的分类作为输入,以当前节点的分类作为输出。这种形式化方法优于最先进的方法。
引用
@article{arxiv.1904.07787,
title = {Topological based classification of paper domains using graph convolutional networks},
author = {Idan Benami and Keren Cohen and Oved Nagar and Yoram Louzoun},
journal= {arXiv preprint arXiv:1904.07787},
year = {2019}
}