一种类典型表征与记忆引导的异配性感知图表征学习方法

本发明提供了一种类典型表征与记忆引导的异配性感知图表征学习方法，解决了传统图神经网络模型无法适应异配图上的节点表征学习的问题。本发明从图神经网络的消息传递过程与结果两个角度进行优化。本发明首先通过异配性引导的边权重生成根据同配性假设生成理想的边权重，改善朴素的消息传递的聚合过程；然后通过构建全局类典型表征引入全局信息来指导使用生成的边权重消息传递聚合结果的优化方向；最后全局类典型记忆传递远距离信息，并使全局类典型记忆从全局类典型表征中学习，最终在异配图数据上学习到高质量的节点表征。