基于图注意力的高阶网络节点分类方法

来源：计算机应用研究杂志2023年第4期北京时间：

作者：陈东洋,郭进利,

单位：上海理工大学管理学院,上海200093；

摘要：为了更好地学习网络中的高阶信息和异质信息，基于单纯复形提出单纯复形—异质图注意力神经网络方法—SC-HGANN。首先，用单纯复形提取网络高阶结构，将单纯复形转换为单纯复形矩阵；其次，使用注意力机制从特征单纯复形中得到异质节点的特征；再次，对同质和异质单纯复形矩阵进行卷积操作后，得到同质特征与异质特征，通过注意力算子进行特征融合；最后，得到目标节点的特征并将其输入到节点分类模块完成分类。与GCN、HGNN、HAN等基线方法相比，提出的方法在三个数据集上的macro-F1、micro-F1、precision和recall均有所提升。表明该方法能有效地学习网络中的高阶信息和异质信息，并能提升网络节点分类的准确率。

关键词：单纯复形,高阶网络,注意力机制,图神经网络,节点分类,