来源：期刊VIP网 时间：
作者：闫钦与;颜靖华;卜凡亮;王宇哲;
单位：中国人民公安大学信息网络安全学院;
摘要：动态图节点分类是图表示学习领域的经典下游任务，旨在通过动态图中已有信息预测未标记节点所属类别。然而，现有动态图节点分类方法普遍存在模型规模较大、结构复杂导致的计算压力问题。为解决该问题，提出一种基于动态图表示学习的轻量化节点分类方法（LNDG）。该方法采用图编码器对动态图节点、链路和时间信息进行编码；并引入一个创新的GAM模块，利用分组查询注意力（GQA）机制和MLP-Mixer方法进一步学习时间和空间维度的特征表示，实现对动态图特征的完整捕捉。在3个公开的经典数据集上的实验结果表明，LNDG方法整体的参数量仅为0.70 MB，相较于基线模型AUC值更优，具有轻量化和高效性的优势。所提方法在整体规模和最终效果方面达到了较好的平衡，在动态图节点分类任务中具有良好的综合性能。
关键词：动态图;;节点分类;;图表示学习;;分组查询注意力机制;;图神经网络;;GAM模块
基金资助：中国人民公安大学安全防范工程双一流专项基金(2023SYL08)
