公开(公告)号：CN119962571A

公开(公告)日：2025-05-09

申请号：CN202510048717.1

申请日：2025-01-13

Applicant: 河北工业大学

Inventor： 杨亮 ,  何振兴 ,  张华 ,  李林昊 ,  马子艺 ,  汪梦竹 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06N3/042 ,  G06N3/0895 ,  G06N5/022 ,  G06F18/25 ,  G06F18/22

Abstract: 本发明属于自监督图网络表征技术领域，具体是一种基于子空间的自适应负样本调节的网络表征方法。首先，提取网络图中节点的属性信息及结构信息，得到网络图的属性矩阵和邻接矩阵；属性矩阵分别经过两个属性编码器，得到第一个视图和第二个视图的属性特征；邻接矩阵分别经过两个结构编码器，得到第一个视图和第二个视图的结构特征；将第一个视图的属性特征和结构特征进行拼接，得到第一个视图的节点特征；同理，得到第二个视图的节点特征；接着，利用两个视图的节点特征，构建亲和度矩阵；然后，基于自适应负样本调节的图对比学习，对属性编码器和结构编码器进行训练，根据对比学习损失函数计算训练损失；最后，将两个视图的节点特征进行融合，得到节点表征。在每轮训练过程中动态地为各个负样本对分配权重，权重越大越可能是假负样本对，以解决负样本中存在假负样本的问题，提高节点表征能力。