公开(公告)号：CN117235329A

公开(公告)日：2023-12-15

申请号：CN202311170678.X

申请日：2023-09-12

Applicant: 清华大学深圳国际研究生院

Inventor： 张凯 ,  潘竖横 ,  董宇涵

IPC: G06F16/906 ,  G06F16/901 ,  G06F18/241 ,  G06F18/213 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/048

Abstract: 一种基于加权符号图神经网络的图分类方法，聚合节点属性、图结构拓扑特征和链路信息，针对加权符号图的消息传递问题和加权符号图分类问题，设计的图分类模型包括基于节点之间链路权重和链路符号信息的加权符号图神经网络、节点特征排序层、卷积层、池化层、全连接层和分类器，图分类模型设计为端到端的结构，加权符号图神经网络的权重参数和权重矩阵、节点特征排序层的重要性分数系数、卷积层的卷积核系数矩阵、连接层的权重矩阵同时进行训练，即可同时训练特征聚合器与节点排序器以获得加权符号图整图表示特征向量，对微生物共现网络、蛋白质互作网络、社交网络等网络加权符号图预测准确度高。