摘要
本发明属于图神经网络技术领域,公开了一种联合多语义视图和自适应对比学习的图分类系统及方法,包括:多语义视图提取模块,通过WL重标记算法和词嵌入模型捕获高阶结构特征,从不同语义视图中提取图特征;自适应对比学习模块,通过自适应生成增强图来保留来自多个语义视图的重要节点特征,并通过跨语义视图的对比学习来加强视图之间的关系,自适应对比学习通过一致性损失来优化节点特征的表达;多语义视图融合模块,使用注意力机制合并来自多个视图的节点表示,以区分不同视图中节点的重要性,从而生成更为丰富和全面的图嵌入。
技术关键词
节点特征
分类系统
高阶结构特征
注意力机制
信息数据处理终端
子模块
模式
语义特征
分类方法
样本
神经网络技术
更新模型参数
计算机设备
注意力模型
无监督学习
标签
系统为您推荐了相关专利信息
应用程序故障定位
节点
注意力机制
去中心化应用程序
存储程序代码
注意力机制
检测头
检测网络模型
动态
特征提取网络
动作识别模型
BP神经网络模型
多模态
识别方法
动作特征
风光功率预测方法
LSTM模型
融合注意力机制
超参数
功率预测系统
客户端
动力电池健康状态
电车
网络模型结构
老化特征