第４９卷第３期２０２３年３月北京工业大学学报ＪＯＵＲＮＡＬＯＦＢＥＩＪＩＮＧＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＶｏｌ．４９Ｎｏ．３Ｍａｒ．２０２３基于多通道图卷积网络的节点聚类孙艳丰１，杜鹏飞２（１．北京工业大学信息学部，北京１００１２４；２．北京工业大学多媒体与智能软件技术北京市重点实验室，北京１００１２４）摘要：针对在深度聚类中大部分基于图卷积网络（ｇｒａｐｈｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋ，ＧＣＮ）的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题，提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法．首先，该方法使用自动编码器（ａｕｔｏ⁃ｅｎｃｏｄｅｒ，ＡＥ）来学习节点特征的潜在表示，同时在特征图、拓扑图及节点属性３个层面获得节点嵌入；然后，使用融合机制对学习到的节点嵌入进行融合；最后，通过自监督的方式训练网络实现节点聚类．在６个基准数据集上的大量实验表明，该方法明显提高了聚类精度．关键词：节点聚类；图卷积网络（ｇｒａｐｈｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋ，ＧＣＮ）；注意力机制；自动编码器（ａｕｔｏ⁃ｅｎｃｏｄｅｒ，ＡＥ）；特征融合；图结构中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：０２５４－００３７（２０２３）０３－０３５５－０８ｄｏｉ：１０．１１９３６／ｂｊｕｔｘｂ２０２１１２００２７收稿日期：２０２１⁃１２⁃２８；修回日期：２０２２⁃０３⁃０４基金项目：国家自然科学基金资助项目（６２１７２０２３）作者简介：孙艳丰（１９６４—），女，教授，博士生导师，主要从事人工智能、模式识别、深度学习方面的研究，Ｅ⁃ｍａｉｌ：ｙｆｓｕｎ＠ｂｊｕｔ．ｅｄｕ．ｃｎＮｏｄｅＣｌｕｓｔｅｒｉｎｇＢａｓｅｄｏｎＭｕｌｔｉ⁃ｃｈａｎｎｅｌＧｒａｐｈＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋＳＵＮＹａｎｆｅｎｇ１，ＤＵＰｅｎｇｆｅｉ２（１．ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ；２．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｕｌｔｉｍｅｄｉａａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｏｆｔｗａｒｅＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔ...
