TY - JOUR A2 - Manzoni, Luca AU - Lei, Fangyuan AU - Liu, Xun AU - Dai, Qingyun AU - Ling, Bingo Wing-Kuen AU - Zhao, Huimin AU - Liu, Yan PY - 2020 DA - 2020/06/23 Ti-混合式低阶和高阶图形卷积网络SP -3283890 VL -2020 AB-具有图形网络的高阶邻域信息，图表表示分类的准确性可以显着提高。但是，当前的高阶图卷积网络具有大量参数和高计算复杂性。因此，我们提出了一个混合级别和高阶图形卷积网络（HLHG）学习模型，该模型使用权重共享机制减少网络参数的数量。为了降低计算复杂性，我们提出了一个新型的信息融合池层，以结合高阶和低阶邻域矩阵信息。从理论上讲，我们将所提出模型的计算复杂性和参数的数量与其他最新模型的参数进行比较。在实验上，我们使用有监督的学习和参考网络数据集在大规模文本网络数据集上验证了所提出的模型，并使用半私人学习的学习。实验结果表明，提出的模型通过一组可训练的权重参数可实现更高的分类精度。SN -1687-5265 UR -https：//doi.org/10.1155/2020/3283890 DO -10.1155/2020/3283890 JF-计算智能和神经科学PB- Hindawi KW -er -er- er- er- er- er- er-