基于时空建模的动态图卷积神经网络OA北大核心CSCDCSTPCD
A Dynamic Graph Convolutional Network Based on Spatial-Temporal Modeling
为了使图表示学习得到的嵌入向量对节点和边不断变化的动态图具有很好的信息表征能力,提出一种动态图卷积神经网络模型(DyGCN),将动态图上的表示学习建模为时间和空间信息的聚合.该模型将从图卷积神经网络(GCN)的空间卷积提取图上的结构信息与从时间卷积神经网络(TCN)的因果卷积提取时序上的历史信息相结合,同时在空间卷积层加入自适应的模型更新机制,使得模型参数随着图结构的变化能够自适应地更新.在金融领域数据集上针对金融欺诈检测进行的边分类实验表明,该…查看全部>>
李荆;刘钰;邹磊
北京大学前沿交叉学科研究院, 北京 100871北京大学王选计算机研究所, 北京 100871北京大学王选计算机研究所, 北京 100871
动态图图卷积神经网络(GCN)图表示学习时空卷积
《北京大学学报（自然科学版）》 2021 (4)
大规模图的复杂性分析与高效计算
605-613,9
国家自然科学基金(61932001)资助
评论