结合图神经网络和图对比学习的半监督多图分类.pdfVIP

3682025，61（1）ComputerEngineeringandApplications计算机工程与应用

结合图神经网络和图对比学习的半监督多图分类

1，23111，2+

路秋霖，王慧颖，朱峰冉，李全鑫，庞俊

1.武汉科技大学计算机科学与技术学院，武汉430065

2.智能信息处理与实时工业系统湖北省重点实验室，武汉430065

3.国网辽宁省电力有限公司信息通信分公司，沈阳110065

+通信作者E-mail：pangjun@wust.edu.cn

摘要：多图（multi-graph，MG）是一种图袋表示模型，半监督多图分类旨在从有标记和未标记的多图中构建一个预

测模型，通过高准确度预测未标记多图，在用户产品推荐、生物制药等领域有着广泛应用。现有基于机器学习的半

监督多图分类主要存在两点不足：（1）不能进行全自动的特征选择，过于依赖参数选择。（2）对未标记多图数据的价

值未充分挖掘。因此，提出一种结合图神经网络和图对比学习的半监督多图分类方法（graphneuralnetworkcom-

biningwithgraphcontrastivelearningforsemi-supervisedmulti-graphclassification，GCSS）。一方面，分别设计从

局部和全局提取特征信息的模块，并引入NN协同器（neuralnetworkscollaborator，NNcollaborator）完成这两个模

块的协作，自适应学习数据的特征表示进行训练；另一方面，采用图对比学习（graphcontrastivelearning，GCL）和半

监督学习（semi-supervisedlearning，SSL）从两个不同学习视角来充分利用未标记多图数据，降低模型对标签等的依

赖。在真实数据集上的大量实验结果验证了所提出方法的预测性能均优于基线方法。

关键词：半监督多图分类；图对比学习；图神经网络；注意力机制

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2308-0343

Semi-SupervisedMulti-GraphClassificationCombiningGraphNeuralNetworkandGraph

ContrastiveLearning

1，23111，2+

LUQiulin,WANGHuiying,ZHUFengran,LIQuanxin,PANGJun

1.SchoolofComputerScienceandTechnology,WuhanUniversityofScienceandTechnology,Wuhan430065,China

2.HubeiProvinceKeyLaboratoryofIntelligentInformationProcessingandReal-TimeIndustrialSystem,Wuhan

430065,China

3.InformationandCommunicationBranchofStateGridLiaoningElectricPowerCo.,Ltd.,Shenyang110065,China

Abstract：Multi-graph(MG)isarepresentationmodelofthebag-of-graphs,semi-supervisedmulti-graphclassification

aimstobuildapredictionmodelfrommarkedandunmarkedmulti-graphs.Throughhigh-accuracypredi