Page 206 - 《软件学报》2024年第4期

1784 软件学报 2024 年第 35 卷第 4 期

表 3 在数据集 Cora 上的准确率对比
p c=1 p c=0.8 p c=0.5
方法
n=3 n=5 n=10 n=3 n=5 n=10 n=3 n=5 n=10
FedAvg+GCN 0.543 7 0.542 1 0.505 4 0.528 0 0.521 9 0.496 5 0.541 8 0.520 0 0.513 2
FedAvg+GAT 0.541 9 0.509 4 0.488 7 0.476 5 0.455 2 0.427 0 0.542 3 0.505 4 0.485 4
FedAvg+sage 0.687 4 0.703 2 0.626 9 0.677 3 0.624 9 0.644 0 0.591 0 0.542 7 0.569 9
FedProx+GCN 0.575 0 0.562 5 0.518 6 0.553 5 0.534 3 0.516 0 0.517 1 0.533 2 0.571 9
FedProx+GAT 0.490 8 0.610 7 0.643 9 0.555 4 0.610 6 0.664 8 0.468 4 0.512 0 0.444 6
FedProx+sage 0.705 6 0.696 0 0.660 4 0.676 2 0.672 7 0.634 9 0.628 5 0.606 4 0.589 2
GraphFL 0.658 2 0.659 7 0.645 5 0.649 6 0.654 2 0.655 7 0.654 7 0.642 3 0.669 7
SpreadGNN 0.720 9 0.727 4 0.643 4 0.676 5 0.647 1 0.524 2 0.615 6 0.562 4 0.627 0
FedSage 0.739 6 0.730 0 0.715 2 0.751 7 0.725 0 0.683 8 0.700 4 0.698 8 0.676 9
PPSED 0.786 7 0.785 9 0.749 5 0.796 0 0.765 3 0.729 4 0.771 3 0.746 7 0.738 9
表 4 在数据集 Citeseer 上的准确率对比
p c=1 p c=0.8 p c=0.5
方法
n=3 n=5 n=10 n=3 n=5 n=10 n=3 n=5 n=10
FedAvg+GCN 0.535 2 0.537 7 0.515 3 0.571 5 0.515 6 0.499 8 0.533 2 0.569 3 0.554
FedAvg+GAT 0.535 7 0.546 7 0.504 5 0.527 9 0.545 6 0.499 8 0.601 9 0.582 0 0.557 2
FedAvg+sage 0.709 1 0.654 0 0.510 3 0.712 8 0.622 6 0.524 1 0.525 6 0.514 3 0.544 0
FedProx+GCN 0.546 0 0.553 5 0.488 8 0.540 2 0.555 1 0.445 8 0.522 9 0.577 5 0.521 9
FedProx+GAT 0.564 4 0.545 2 0.484 1 0.526 6 0.553 4 0.496 0 0.554 9 0.547 6 0.499 9
FedProx+sage 0.704 8 0.649 3 0.561 5 0.689 4 0.608 8 0.525 7 0.719 7 0.630 5 0.607 9
GraphFL 0.629 1 0.628 5 0.631 7 0.624 6 0.647 8 0.642 8 0.644 7 0.659 6 0.649 8
SpreadGNN 0.659 4 0.682 1 0.717 4 0.656 0 0.680 3 0.735 2 0.710 3 0.704 5 0.693 4
FedSage 0.708 3 0.681 3 0.712 5 0.656 2 0.687 5 0.625 0 0.677 1 0.657 5 0.700 0
PPSED 0.735 3 0.710 5 0.739 3 0.681 1 0.712 1 0.654 2 0.704 0 0.686 1 0.730 3
表 5 在数据集 MSAcademic 上的准确率对比
p c=1 p c=0.8 p c=0.5
方法
n=3 n=5 n=10 n=3 n=5 n=10 n=3 n=5 n=10
FedAvg+GCN 0.924 3 0.905 0.883 3 0.911 3 0.895 2 0.895 0.895 4 0.889 9 0.906 2
FedAvg+GAT 0.916 7 0.915 1 0.885 5 0.912 1 0.913 5 0.908 8 0.911 4 0.852 0 0.880 8
FedAvg+sage 0.916 6 0.914 5 0.878 0.932 9 0.888 0 0.886 0 0.805 9 0.901 3 0.847 6
FedProx+GCN 0.905 8 0.887 9 0.884 7 0.910 9 0.896 3 0.889 0 0.896 8 0.914 2 0.886 4
FedProx+GAT 0.915 2 0.907 7 0.886 6 0.919 3 0.914 5 0.868 2 0.902 6 0.920 8 0.897 9
FedProx+sage 0.901 6 0.881 5 0.900 0 0.924 8 0.909 2 0.893 1 0.882 0 0.907 0 0.888 9
GraphFL 0.925 3 0.892 0.850 5 0.872 4 0.873 6 0.893 6 0.899 4 0.881 6 0.875 4
SpreadGNN 0.925 3 0.892 0.850 5 0.872 4 0.873 6 0.893 6 0.899 4 0.881 6 0.875 4
FedSage 0.964 1 0.937 0 0.911 5 0.915 5 0.906 9 0.918 5 0.898 7 0.888 0 0.878 6
PPSED 0.985 4 0.955 4 0.935 3 0.938 9 0.926 4 0.924 4 0.948 3 0.925 6 0.910 7

(a) p c=1 (b) p c=0.8
图 2 在 Weibo 数据集中客户端数量对模型结果的影响

针对模型的收敛性分析, 在 Weibo 数据上从表 2 的实验结果可以看出: p c =0.8 时, 准确率的降低不明显.
本实验将参与聚合的客户端比例 p c 设置为 1 和 0.8, 探索 p c 对实验结果的影响, 实验结果如图 3 所示.