基于屬性子空間信息補(bǔ)全拓?fù)涞木W(wǎng)絡(luò)節(jié)點(diǎn)表征算法

打開文本圖片集

摘 要：圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network， GNN）作為處理圖數(shù)據(jù)的有效工具，其中圖對(duì)比學(xué)習(xí)無需標(biāo)簽信息便能有效捕捉拓?fù)浣Y(jié)構(gòu)與節(jié)點(diǎn)屬性信息，在學(xué)術(shù)領(lǐng)域廣受關(guān)注。當(dāng)前普遍采用的圖對(duì)比學(xué)習(xí)技術(shù)未能充分考慮屬性空間中節(jié)點(diǎn)間的相似性，均默認(rèn)研究圖滿足同質(zhì)性假設(shè)。在現(xiàn)實(shí)應(yīng)用中，同質(zhì)性假設(shè)并非總是成立，且拓?fù)浣Y(jié)構(gòu)中的噪聲顯著影響模型性能，同時(shí)，拓?fù)浜蛯傩孕畔⑼檠a(bǔ)充。（剩余2303字）