买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东理工大学

摘要：本发明公开了一种基于对比学习框架的多视图异构图神经网络模型，该模型包括步骤：1）在异构图中利用多条元路径对中心节点进行一阶邻居和高阶邻居信息的探索；2）获取中心节点在不同元路径的邻居，并进行图卷积聚合；3）为增强元路径上的节点嵌入表示，使用路径内的对比学习，其中正样例为元路径内部节点，负样本为元路径之外的节点；4）为增强路径间的节点嵌入表示，采用基于元路径间的对比学习，其中正样本为节点在不同元路径上的嵌入表示，负样本为节点之外的节点嵌入；5）使用图注意力神经网络对同一节点在不同元路径上的嵌入表示进行聚合；6）使用图注意力神经网络对原异构图进行节点聚合；7）计算5）与6）之间的对比损失；8）对5）与6）得到的节点嵌入表示进行相加操作，得到节点的最终嵌入表示。本发明为在复杂的异构图中存在数据稀疏，以及存在节点信息存在噪声等情况，会导致在训练异构图的嵌入表示过程中出现节点表示不准确，影响下游任务提供了新的方法能够有效的对异构图中节点进行信息增强，提高了节点的嵌入表示的精确率。

主权项：1.一种基于对比学习框架的多视图异构图神经网络模型，包括以下模块与功能步骤：1）在异构图中，对图中的节点进行初始化，使用多条元路径对中心节点进行一阶邻居和高阶邻居信息探索；2）根据步骤1）获取中心节点在不同元路径上的邻居，分别对中心节点进行图卷积聚合；3）根据步骤2）获得中心节点在某一条元路径上的嵌入表示，采用基于元路径内的对比学习，增强中心节点嵌入表示。其中正样例为元路径内部节点，负样例为节点之外的节点；4）根据步骤2）获得的中心节点在不同元路径上的特征表示，采用基于元路径间的对比学习，再次增强中心节点的特征表示。其中正样本为中心节点在不同元路径上的嵌入表示，负样本为节点之外的节点嵌入；5）根据步骤2）获得的中心节点在不同元路径上的嵌入表示，使用图注意力网络对不同的嵌入表示进行聚合；6）在原异构图中使用图注意力神经网络对中心节点进行聚合；7）根据步骤5）和步骤6）得到的中心节点嵌入表示，进行跨视图间的对比学习，其中正样例为中心节点的不同嵌入表示，负样例为其他的节点，其中负样例采用的嵌入是通过元路径间的聚合得到的；8）根据步骤5）和步骤6）对中心节点的嵌入表示进行相加操作得到中心节点的最终嵌入表示，并利用设计好的损失函数进行反向传播优化提出的模型，该嵌入表示可以应用与常见的下游任务中。

全文数据：

权利要求：

百度查询： 山东理工大学 一种基于对比学习框架的多视图异构图神经网络模型