一种具有自适应信息约束的鲁棒异构图神经网络解释方法

本发明公开了一种具有自适应信息约束的鲁棒异构图神经网络解释方法，该方法首先通过网络数据获取不同类型的实体之间的关系，将关系用节点‑边‑节点表示，并建模成图。其次使用变分图自编码器获得图的图表示。最后使用基于关系的解释生成器，捕获图表示中的异质语义，生成对预测的解释子图。本发明使用变分推断来获得鲁棒的图表示，减轻噪声影响的同时提升模型的泛化能力，可以捕获异构图中的复杂语义。