- 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: CN117473124B公开(公告)日: 2024-04-16
- 发明人: 朱东杰 , 孙云栋 , 丁卓
- 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
- CN117473124A 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:2024-01-30