多阶段非确定性分类：基于次级概念图和图卷积网络的高层特征提取

本研究解决了在图形数据中提取高层特征的难题，特别是在复杂连接带来的模式发现困境。提出了一种多阶段非确定性分类方法，通过图卷积网络提取高层特征，并结合次级概念图进行最终预测。实验证明，该方法在多个数据集上实现了更高的分类准确率，展示了其显著的应用潜力。