基于注意力机制的层次化图卷积网络的属性图深度聚类方法

摘要

本发明涉及基于图卷积网络的属性图深度聚类方法，考虑了图卷积网络自适应的，层次化的学习邻居节点的必要性，提出基于注意力机制的层次化图卷积网络，解决了图卷积网络学习周围邻居节点信息不够充分的缺陷。本发明对图卷积网络迭代隐藏层，使其可以学习到多跳邻居信息，并在第一个隐藏层中加入注意力机制，使其自适应的学习一阶邻居信息，因为一阶邻居信息对节点来说关系更近，更重要。通过实验结果分析，这样的改进对于属性图深度聚类任务上，可以显著提高聚类的精度。