RW-NSGCN:通过负采样应对结构攻击的鲁棒方法
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对图神经网络(GNN)在节点分类中因拓扑扰动和权重不稳定而导致性能下降的问题,提出了一种新方法:随机游走负采样图卷积网络(RW-NSGCN)。该方法结合了随机游走和PageRank算法进行负采样,并采用基于行列式点过程的图卷积网络,显著提高了分类准确率和鲁棒性,有效应对网络攻击和不稳定性。
本研究提出了一种新方法,RW-NSGCN,用于解决图神经网络在节点分类中的性能下降问题。该方法结合了随机游走和PageRank算法进行负采样,并采用基于行列式点过程的图卷积网络,提高了分类准确率和鲁棒性。