Indexed by：
Abstract：
本发明公开了一种基于监督对比学习与结构推断的图分类训练方法，首先，该模型通过结构推断充分挖掘图数据本身的拓扑信息作为原本图数据的增强图。然后通过标签进行随机采样构建样本正负例对，并使用层次化的图神经网络分别对正负例样本进行学习以提取整图嵌入。最后，通过普通分类损失和监督对比学习损失共同指导层次化图神经网络的学习过程，提升嵌入的分类性能。本发明融合结构推断和标签信息，基于结构推断的数据增强方式不需要先验知识，增广了模型使用范围，加速了模型学习速度。将图数据上的自监督对比学习扩展为标签监督下的对比学习，增强了其对比学习能力。本发明提升图分类性能，在广义图分类数据上具有较好的可推广性。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202211106324.4
Filing Date： 2022-09-11
Publication Date： 2022-12-16
Pub. No.： CN115481682A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
