《表5 半监督任务AUC比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于混合图卷积网络模型的节点分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了保证实验公平性，在比较训练耗时的任务中，迭代次数（Epoch=2 000）和停止法（Early stopping=100）两个参数保持一致，则提出的模型半监督任务的训练耗时表现如表4所示，单位是秒，精度AUC如表5和图8所示。从表4可以看出，在CORA、CITESEER和PUBMED这3个公共数据集中，提出的模型在模型参数和训练速度上介于GCN和GAT之间。因为GAT在GCN基础上进行了边的重新采样，且原始论文中第一层GAT利用8个Head，因此模型参数量大、较耗时，而提出的模型只用了2个Head。