[发明专利]基于特征累加的图卷积网络半监督节点分类方法

权利要求书

1.一种基于特征累加的图卷积网络半监督节点分类方法，其特征在于，该方法利用图卷积和K阶邻近性来获得更大的感受野，以获取更高层次邻域的节点特征，而后将不同邻域获得的节点信息进行融合，保全节点特征信息，具体包括下列步骤：

S1：构建多层次图卷积层：

每个层次表示不同步长邻域的节点信息的聚合，对不同步长的邻域节点的路径进行了重新定义，根据概率转移矩阵定义了高次邻接矩阵，作为不同层次的传播路径来聚合邻域节点信息；

S2：利用多层次图卷积层构建特征累加的图卷积网络模型：

输入为图的结构信息和特征信息，网络层包括不同层次的卷积层和隐藏层，输出为各个节点的预测标签；

S3：训练特征累加的图卷积网络模型：

输入带有标签的节点的图数据，在模型中进行特征传播，使得图中每个节点的特征随机地与其不同邻域的节点特征聚合在一起，根据输出节点表示与损失函数进行多次迭代，直到模型收敛；

S4：将待分类的原始图数据输入经过训练的特征累加图卷积网络模型中进行分类，进过最后一层的输出得到对应的最终节点表示；基于最终节点表示进行分类得到各个节点的预测标签，将各个节点的预测标签作为对应的半监督节点分类结果。