- 专利标题： 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
-
申请号： CN202311451594.3申请日： 2023-11-03
-
公开(公告)号： CN117473124A公开(公告)日： 2024-01-30
- 发明人: 朱东杰 , 孙云栋 , 丁卓 , 鲁宁
- 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： 山东省威海市文化西路2号
- 专利权人： 哈尔滨工业大学(威海),南京龙垣信息科技有限公司
- 当前专利权人： 哈尔滨工业大学(威海),南京龙垣信息科技有限公司
- 当前专利权人地址： 山东省威海市文化西路2号
- 代理机构： 南京苏博知识产权代理事务所
- 代理商 赖忠辉
- 主分类号： G06F16/901
- IPC分类号： G06F16/901 ; G06F16/835 ; G06N3/0895
摘要：
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。
公开/授权文献
- CN117473124B 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 公开/授权日：2024-04-16