一种基于不确定性的多视图图神经网络表示学习方法

本发明属于深度学习领域中的图神经网络技术领域，公开了一种基于不确定性的多视图图神经网络表示学习方法，其方法包括以下步骤：步骤1，视图内不确定性估计，步骤2，基于不确定性评估的图结构增强，步骤3，基于不确定性评估的多视图图聚合。本发明通过引入基于主观逻辑的不确定性估计和特征去相关算法，确保每次结构增强能关注不同的图结构特征，提高增强结构中的特征多样性，从而实现更全面的特征表示，再通过学习视图特定的信念和不确定性，构建聚合参数来评估和区分不同视图的质量，使高质量视图在图神经网络聚合过程中发挥主导作用，同时抑制低质量视图的负面影响，从而提升多视图图表示学习的性能。