公开(公告)号：CN118504649A

公开(公告)日：2024-08-16

申请号：CN202410510577.0

申请日：2024-04-26

Applicant: 南京大学

Inventor： 朱光辉 ,  王培亮 ,  袁春风 ,  黄宜华

IPC: G06N3/09 ,  G06N3/084 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种融合对比式和生成式的自监督图结构学习方法，首先为结构完全缺失的图数据构造初始图结构，然后分别对节点属性和边进行掩码以构造自监督任务，设计共享的编码器模型构建对比式自监督任务，设计不同的解码器模型构建生成式自监督任务，最后将对比式任务与生成式任务的损失值加权得到模型总损失值并利用梯度下降法优化模型参数，训练结束后，根据编码器得到的图节点表征使用K近邻算法构造最优图结构。本发明方法相比于以前方法，不仅能够不依赖于数据标签进行学习，而且具备优秀的计算效率。另外，学习到的最优图结构能够有效提高图机器学习模型的预测性能。