← 返回列表
一种具备抵制过度平滑能力的自监督异质图表示学习方法
申请人信息
- 申请人:哈尔滨工业大学(威海); 南京龙垣信息科技有限公司
- 申请人地址:264200 山东省威海市文化西路2号
- 发明人: 哈尔滨工业大学(威海); 南京龙垣信息科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种具备抵制过度平滑能力的自监督异质图表示学习方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311451594.3 |
| 申请日 | 2023/11/3 |
| 公告号 | CN117473124A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06F16/901 |
| 权利人 | 哈尔滨工业大学(威海); 南京龙垣信息科技有限公司 |
| 发明人 | 朱东杰; 孙云栋; 丁卓; 鲁宁 |
| 地址 | 山东省威海市文化西路2号; 江苏省南京市雨花台区安德门大街23号金地威新雨花创新中心2-1 |
摘要文本
数据由马 克 团 队整理 本发明涉及图表示学习与图数据挖掘技术领域，具体涉及一种具备抵制过度平滑能力的自监督异质图表示学习方法；通过GNN分支和Transformer分支在不同视角下对节点信息进行编码，基于两个视角的信息建立对比学习任务，实现无需样本标注条件下的自监督异质图表示学习，解决了现有GNN消息传递机制的过度平滑限制网络层数的扩展，从而导致模型在面对复杂图数据的表达能力不足的问题，大大增强了模型对远距离邻域信息的捕捉能力。
专利主权项内容
1.一种具备抵制过度平滑能力的自监督异质图表示学习方法，其特征在于，包括如下步骤：步骤一：读取图中的节点属性、节点类别、节点之间的异质邻接关系，将处于不同空间的不同维度的节点特征映射至一个统一的空间中，并实现特征维度的统一；步骤二：采用Metapath-aware Hop2Token将异质图中不同距离的邻居节点转化为Token序列，采用将节点的同一hop的邻居节点信息作为一个token的策略，面向不同的元路径获得不同hop的邻居节点，得到每一个元路径下的token序列；步骤三：在Graph schema视图分支中，采用Relation-aware GCN对异质图进行编码，获得节点在Graph schema视图下的表示；步骤四：在Hops视图分支中，采用协同GNN的异质Transformer模型对异质图进行编码，获得节点在Hops视图下的表示；步骤五：采用Graph schema视图分支和Hops视图分支的编码信息建立联合比对学习任务；步骤六：根据所建立的联合比对学习任务优化函数对模型参数进行迭代优化，直到达到迭代次数、精度需求。