-
公开(公告)号：CN116796794A
公开(公告)日：2023-09-22
申请号：CN202310001112.8
申请日：2023-01-03
Applicant: 东华大学
Abstract: 现有的图神经网络作为分析属性异质图的模型，对给定图数据的节点属性非常敏感。节点属性的缺失通常会导致噪声在图中传播，影响后续的任务。针对该问题本发明提出了一种基于属性邻域的异质图属性补全方法，构建了节点的属性邻域，实现了节点邻域的属性聚合不受无属性节点影响。进一步提出了结构信息再学习模块，通过加权聚合节点的结构嵌入使节点的补全属性同时具有结构信息和语义信息。该方法能有效地补全异质图中缺失的属性，将补全的属性与现有的异质图模型相结合，能有效避免缺失节点属性带来的误差，提升原有框架。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
