一种基于L2范数的图神经网络中的邻接矩阵优化方法

摘要

本发明提出了一种基于L2范数的图神经网络中的邻接矩阵优化方法，基于图神经网络的节点分类和链路预测任务。该算法分为模型构建阶段和训练优化阶段：在模型构建阶段，我们将输入数据的邻接矩阵作为一个可以被迭代更新的权重矩阵，将邻接矩阵纳入反向传播过程。在训练优化阶段，我们基于一定阈值来对邻接矩阵剪枝，将邻接矩阵中低于一定阈值的连接点置零，将该连接削减。最终实现对于邻接矩阵的权值学习和稀疏化。进而通过削减邻接边的数量来针对目标问题减少参数量，达到模型压缩的目的。