软件学报

作者：赵英伏，金福生，李荣华，秦宏超，崔鹏，王国仁

单位：赵英伏，北京理工大学 计算机学院, 北京 10008111,金福生，北京理工大学 计算机学院, 北京 10008102,李荣华，北京理工大学 计算机学院, 北京 10008103,秦宏超，北京理工大学 计算机学院, 北京 10008104,崔鹏，北京理工大学 计算机学院, 北京 10008105,王国仁，北京理工大学 计算机学院, 北京 10008106

关键词：超图;卷积神经网络;池化;图神经网络;超图神经网络

基金：国家重点研发计划(2020AAA0108503);国家自然科学基金(62272045)

近年来,将卷积神经网络推广到图数据上的图卷积神经网络引起了广泛关注,主要包括重新定义图的卷积和池化操作.由于图数据只能表达二元关系的局限性,使其在实际应用中表现欠佳.相比之下,超图能够捕获数据的高阶相关性,利用其灵活的超边易于处理复杂的数据表示.然而,现有的超图卷积神经网络还不够成熟,目前尚无有效的超图池化操作.因此,提出了带有自注意机制的超图池化网络,使用超图结构建模,通过引入自注意力的超图卷积操作学习带有高阶数据信息的节点隐藏层特征,再经过超图池化操作选择并保留在结构和内容上的重要节点,进而得到更准确的超图表示.在文本分类、菜肴分类和蛋白质分类任务上的实验结果表明:与目前多种主流方法相比,该方法均取得了更好的效果.

来源：2023年第10期

《软件学报》期刊编辑部

查看软件学报杂志2023年第10期