公开(公告)号：CN117787379A

公开(公告)日：2024-03-29

申请号：CN202311810583.X

申请日：2023-12-26

Applicant: 东北大学

Inventor： 赵宇海 ,  肖亚 ,  周正道 ,  印莹

IPC: G06N3/082 ,  G06N3/042 ,  G06F18/2411 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明提供一种基于Transform和对比学习的异构图神经网络容噪方法，涉及异构图神经网络技术领域。该方法首先根据节点对之间的特征相似度、转移概率和局部拓扑结构相似性对邻居节点的可信度打分，将可信度得分低于阈值的节点剪枝；构建特定于降噪场景下的Transform模型，自动的给弱噪声节点分配低的权重系数，弱化噪声节点的影响；最后在使用损失函数训练容噪异构图神经网络模型时，加入一个特定于降噪场景的对比学习损失，将目标节点与噪声节点的嵌入表示相似度降低，进一步强化容噪异构图神经网络模型的降噪能力。该方法提升异构图神经网络模型对于噪声数据的鲁棒性，使目标节点学习到干净的嵌入向量来提升下游任务的性能。