一种面向异质图的图匹配方法、设备及介质

    公开(公告)号:CN118467793B

    公开(公告)日:2024-09-24

    申请号:CN202410923861.0

    申请日:2024-07-11

    Applicant: 中南大学

    Abstract: 本发明涉及数据处理技术领域,具体公开了一种面向异质图的图匹配方法、设备及介质,本发明方法基于扩散模型和注意力机制计算图对的结构相似特征,并通过多层匹配网络进行对比学习,得到超边‑超边的匹配向量以及超边‑超图的匹配向量,基于超边‑超边的匹配向量以及超边‑超图的匹配向量得到生成语义相似特征;将结构相似特征和语义相似特征拼接,得到图对的全局对比特征向量,将全局对比特征向量输入全连接神经网络,得到用于反应图对相似程度的相似度得分。本发明方法结合语义与结构特征,融合图结构自身的相似特征以及节点与从属社区特征学习语义信息,本发明提出的异质图相似学习方法考虑更全面,又能有效准确的得到图对的相似度得分。

    一种面向异质图的图匹配方法、设备及介质

    公开(公告)号:CN118467793A

    公开(公告)日:2024-08-09

    申请号:CN202410923861.0

    申请日:2024-07-11

    Applicant: 中南大学

    Abstract: 本发明涉及数据处理技术领域,具体公开了一种面向异质图的图匹配方法、设备及介质,本发明方法基于扩散模型和注意力机制计算图对的结构相似特征,并通过多层匹配网络进行对比学习,得到超边‑超边的匹配向量以及超边‑超图的匹配向量,基于超边‑超边的匹配向量以及超边‑超图的匹配向量得到生成语义相似特征;将结构相似特征和语义相似特征拼接,得到图对的全局对比特征向量,将全局对比特征向量输入全连接神经网络,得到用于反应图对相似程度的相似度得分。本发明方法结合语义与结构特征,融合图结构自身的相似特征以及节点与从属社区特征学习语义信息,本发明提出的异质图相似学习方法考虑更全面,又能有效准确的得到图对的相似度得分。

Patent Agency Ranking