一种基于BiLSTM 的混合层次化图分类模型.pdfVIP

第41卷第4期算机仿真2024年4月

文章编号：1006-9348（2024）04-0260-05

一种基于BiLSTM的混合层次化图分类模型

创,钟晓雄？

张红梅1，2,郑

（1.桂林电子科技大学信息与通信学院，广西桂林541004；

2.鹏程实验室，广东深圳518055）

摘要：图分类在化学和生物信息学等诸多领域中是一个非常重要且极具挑战的问题，GNN模型是图分类问题的主流方法。

现有的GNN模型采用卷积操作来实现邻域节点信息聚集，再通过池化操作生成粗化图。然而，仅通过池化方法不能捕获到

每次卷积后读出图的双向依赖关系。为了提取到更充分的特征信息，提出一种混合层次化模型，首先分别提取节点特征信

息和结构特征信息，再将特征信息融合，然后采用BiLSTM捕获不同层次读出图之间的双向依赖关系，从而提取到更丰富的

特征信息。实验结果表明，与对比模型相比，上述模型的准确度有着明显的提升。

关键词：图神经网络；层次顺序；双向依赖关系

中图分类号：TP183文献标识码：B

AHybridHierarchicalGraphClassificationModel

BasedonBiLSTM

2

ZHANGHong-meil-2,ZHENGChuang,ZHONGXiao-xiong

(1.SchoolofInformationandCommunication,GuilinUniversityofElectronicTechnology,

GuilinGuangxi541004,China;

2.PengchengLab,ShenzhenGuangdong518005,China)

ABSTRACT:Graphclassificationisaveryimportantandchallengingprobleminmanyfieldssuchaschemistryand

bioinformatics,andtheGNNmodelisthemainstreammethodforgraphclassificationproblems.TheexistingGNN

modelsuseconvolutionoperationstoaggregatetheinformationofneighbornodes,andthengeneratethecoarsening-

graphsbypoolingmethod.However,thebidirectionaldependenciesofthereadoutgraphaftereachconvolutioncannot

becapturedbythepoolingmethodalone.Inordertoextractmoresufficientfeatureinformation,ahybridhierarchical

modelisproposedinthispaper,whichfirstextractsnodefeatureinformationandstructuralfeatureinformationres