一种中心节点特征增强和信息聚合的图节点分类方法

本发明属于图节点分类算法技术领域，具体涉及一种中心节点特征增强和信息聚合的图节点分类方法，针对复杂图结构，构建了中心节点特征增强图卷积网络模块和基于多尺度线性注意力机制的多跳邻居信息聚合模块，将局部模块输出和全局模块输出加权融合输出，实现节点特征的多层次融合与增强；同时引入全局‑局部模块的差异性约束，构建损失函数，进一步指导模型学习和优化，在较低复杂度的模型下实现更高的鲁棒性和准确率的图神经网络模型，有效提升了节点分类效果。