摘要
本发明公开了一种三级别交互融合的图相似性学习方法,包括:通过跳跃连接的多层GIN以学习节点嵌入,设计基于风格的多头注意力机制捕捉细粒度的节点‑节点交互信息;采用粗细粒度聚合网络结合不同的注意力机制,生成两种粒度的图嵌入特征,并进行融合;采用节点‑图交互比较网络通过融合跨节点‑图交互信息生成新的节点嵌入,最终学习原始节点嵌入与新节点嵌入的比较特征;通过融合图交互学习模块生成的比较特征和聚合特征,利用全连接层基于两个输入图的多层次特征进行全局级图‑图交互建模输入图之间的关系,并转化为图‑图相似度得分。关注增强节点嵌入的学习,并通过更有效的图交互学习模式生成丰富的图交互特征,以推动图相似性关系的建模。
技术关键词
相似性学习方法
多头注意力机制
节点特征
前馈神经网络
矩阵
多层次特征
风格
信息更新
交互特征
嵌入特征
全局结构信息
代表
跨节点
视角
跳跃策略
校准
模块
系统为您推荐了相关专利信息
测量方法
径向基函数神经网络
工业
流体物性参数
补偿值
长短期记忆网络
医疗雾化
患者
智能分析方法
生理特征数据
弹性控制方法
智能体系统
事件触发机制
回路
状态观测器
系统故障溯源
历史运行数据
编码
定位故障
存储工业