一种基于邻域标签分布和全局标签关系的节点分类图神经网络模型

一种基于邻域标签分布和全局标签关系的节点分类图神经网络模型，属于复杂网络分析技术领域。步骤1：计算伪标签；利用模拟分类器为图中类别标签未知的节点生成伪标签。步骤2：计算初始节点表示；通过伪标签计算节点的邻域标签分布向量，并与节点特征进行自适应融合，得到初始节点表示。步骤3：恢复全局标签关系矩阵；利用全局标签关系矩阵的低秩特性，结合初始节点表示之间的注意力分数，对全局标签关系矩阵进行恢复。步骤4：对恢复后的全局标签关系矩阵划分通道，进行多通道消息传递与聚合，得到最终的节点表示并用于节点分类。本发明基于邻域标签分布和全局标签关系解决节点分类中存在的异配性问题与远距离依赖问题，有效地利用了图中节点邻域的信息，有效提升了模型在节点分类中的性能。