-
公开(公告)号：CN119599057A
公开(公告)日：2025-03-11
申请号：CN202411667803.2
申请日：2024-11-21
Applicant: 吉林大学
Abstract: 本发明适用于知识迁移技术领域，提供了一种基于实例学习的图域适应节点分类方法，包括以下步骤：获取带标记的源域数据集以及无标记的目标域数据集；通过GNN模型学习源域数据集和目标域数据集的表征，对源域数据集和目标域数据集分别建模，得到源域数据集和目标域数据集的嵌入向量；将目标域数据集的嵌入向量通过KNN进行分类，得到目标域类别伪标签；将源域图数据集和目标域图数据集的嵌入向量进行细粒度的实例对比学习；分类结束，显示最终目标域图数据集的分类结果。本发明解决了现有图域适应技术在跨域任务中的不足，具有广泛的适用性，能够应用于各种跨域场景下的图数据分析任务，例如社交网络分析、推荐系统、知识图谱和生物网络等。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
