公开(公告)号：CN116881790A

公开(公告)日：2023-10-13

申请号：CN202310864457.6

申请日：2023-07-14

Applicant: 福州大学

Inventor： 傅仰耿 ,  黄鑫洋 ,  陈金杰 ,  张启荣 ,  李进

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0895 ,  G06F18/22

Abstract: 本发明的目的在于提供一种基于交并比度量的异构图对比学习分类方法，首先对节点特征进行预处理；其次，通过基于注意力的一阶邻域信息感知模块，利用节点表示和关系表示计算一阶邻居的注意力得分，加权聚合邻域信息，使得模型具备感知一阶邻域信息的能力；然后，通过基于交并比度量的的高阶邻域信息感知模块，使用计算一阶邻居集合交并比的方式选择节点的正样本，使模型具备感知高阶邻域信息的能力。

公开(公告)号：CN116881789A

公开(公告)日：2023-10-13

申请号：CN202310864437.9

申请日：2023-07-14

Applicant: 福州大学

Inventor： 傅仰耿 ,  黄鑫洋 ,  李进 ,  李冰诗 ,  陈金杰

IPC: G06F18/241 ,  G06F18/214 ,  G06F16/901 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/047

Abstract: 本发明的目的在于提供一种基于关系正则化的异构图神经网络分类方法，首先得到基于不同元路径的多个元路径图，然后使用图卷积神经网络将节点高阶邻居的重要信息融合进节点表示中，以此来捕获异构图节点间的高阶关系，最后对异构图中的基本关系进行建模，确保在捕获高阶邻域信息的同时，也能够正确捕捉图中的一阶邻域信息，从而避免对高阶邻域信息的过拟合，提高异构图神经网络的分类效果。