公开(公告)号：CN115659239A

公开(公告)日：2023-01-31

申请号：CN202211323554.6

申请日：2022-10-25

Applicant: 杭州电子科技大学

Inventor： 樊谨 ,  王则昊 ,  张心怡 ,  葛岩 ,  邬惠峰 ,  孙丹凤

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/04 ,  G06N3/092 ,  G06F16/901

Abstract: 本发明公开了一种基于特征提取强化的高鲁棒性异质图节点分类方法及系统，涉及异质图节点分类技术领域。该方法包括：获取目标异质图数据；将所述目标异质图数据输入到训练好的鲁棒性特征强化框架模型中，以对所述目标异质图数据中的节点进行分类；所述训练好的鲁棒性特征强化框架模型是基于离散映射模块、协作分离模块、异质图节点分类器、超参优化模块和样本数据集确定的；所述样本数据集包括多个异质图数据集以及相应的节点分类标签；所述节点分类标签包括：节点特征、邻接矩阵和元路径。本发明通过使用鲁棒性特征强化框架模型，优化异质图神经网络的特征嵌入的学习性能，以解决现有模型特征提取能力不足、精度不足和实验结果不稳定等问题。