一种基于剪枝的图神经网络去相关性微调方法

本公开提供一种基于剪枝的图神经网络去相关性微调方法。包括两个部分：模型精简模块和模型去相关模块；所述精简模块为通过随机移除冗余神经元来减少自监督预训练GNN中的模型冗余，以获取精简的图神经网络；所述模型去相关模块应用于微调阶段，学习用于分类损失的去相关权重，通过最小化重加权的部分交叉协方差矩阵调整fs和R的权重，鼓励节点嵌入在不同维度上的独立性，以减少嵌入表示间的冗余并使其更具信息量；对于图数据，将其输入到精简的图神经网络中以获得节点的嵌入表示，结合额外的预测层R预测每个节点的标签。