0-EATSA-GNN：基于图节点分类师生机制的边缘感知和两阶段注意力增强图神经网络(code)

code:https://github.com/afofanah/EATSA-GNN.

Abstract

图神经网络（GNNs）从根本上改变了我们处理和分析源于非欧几里得领域的数据的方式。传统的用于处理不平衡节点分类问题的方法，如重采样，效果不佳，因为它们没有考虑到边所蕴含的底层网络结构。目前可用的用于捕捉图边中复杂关系的方法有限，这给图神经网络（GNNs）准确分类节点带来了重大挑战。我们提出了EATSA-GNN模型，利用边缘感知和两阶段注意力机制（EATSA-GNN）来提升GNN的节点分类能力。EATSA-GNN最初将注意力集中在边的特征上，使模型能够区分不同节点间连接的不同重要性，这被称为教师注意力（Teacher-Attention，TA）。在第二步中，注意力转向节点，结合从边层面分析中获得的知识，这被称为学生注意力（Student-Attention，SA）。采用这种双重策略确保了对图结构更深入的理解，从而提高了分类精度。EATSA-GNN模型对GNN领域的贡献在于其能够以协调的方式同时利用节点和边的信息，从而实现更准确的节点分类。这凸显了该模型的本质及其潜力。将EATSA-GNN模型与两种不同变体的最新方法进行比较，可以看出其强大之处以及在处理节点分类复杂问题方面的出色表现。这巩固了其在GNN架构领域及其在复杂网络系统中应用的领先地位。EATSA-GNN的卓越性能不仅展示了其有效性，还强调