[发明专利]一种基于多通道机制的图池化方法

权利要求书

1.一种基于多通道机制的图池化方法，其主要特征包括如下步骤：

(1)图数据建模及节点级表示学习：将图数据G表示为特征矩阵X和邻接矩阵A，即G＝X，A。将图输入GCN模型中，每个节点通过聚合和变换自己及邻居节点的信息，得到每个节点的表示向量，定义GCN如下：

其中是图的邻接矩阵；是的度矩阵，通过堆叠GCN，为图中每个节点学习到一个表示。

(2)利用多个通道生成不同的池化图：结合多通道机制，利用三个通道来分别捕获图数据中蕴含的丰富结构及特征信息：通道1、2、3分别用于捕获图的局部拓扑结构信息、全局拓扑结构信息以及重要特征信息，而后采用Top-K的思想，从通道1和通道3中选择k个最重要的节点形成池化图G_pool1和G_pool2。通道3采用GCN来学习到一个簇分配矩阵，实现对原始图中所有节点进行分簇，并将每个簇坍缩为一个超级节点，形成粗粒度的池化图G_coarse。

(3)通道间卷积：首先构造不同通道所形成的池化图之间的邻接矩阵，而后设计一种通道间卷积操作，在不同的池化图之间执行卷积操作，将粗粒度池化图G_coarse包含的原始图的整体拓扑信息融合进池化图G_pool1和G_pool2中节点的表示，通道间卷积执行公式如下：

X₁＝σ([X₁+A₁₂·X_coarse]·W)

其中，X₁表示池化图G_pool1的特征矩阵，X_coarse为通道2形成的粗粒度池化图G_coarse的特征矩阵，A₁₂为池化图G_pool1和G_coarse之间的邻接矩阵。

(4)池化图合并：将做完通道间卷积操作后的通道1和通道3中得到的两个池化图G_pool1和G_pool2进行合并，得到最终的池化图G_pool。至此，完成一次完整的池化操作过程。

2.根据权利要求1所述的一种基于多通道机制的图池化方法，利用三个独立的通道来分别捕获图数据中蕴含的丰富结构及特征信息：其中，通道1、2、3分别用于捕获图的局部拓扑结构信息、全局拓扑结构信息以及重要特征信息，该方法的特征在于：1)将整个池化过程建模成三个方面信息的互补与融合，实现了在池化时对原始图数据中重要结构及特征信息的保留；2)可以以任意比率完成一次池化操作；3)所提的池化方法为一个独立的模块，具有一定的可扩展性，可以与GCN、GAT等模块结合，进而构建一个端到端的图表示学习及分类模型，完成下游各个领域相关的图分类任务。