一种用于图零样本学习的监督对比学习方法

本发明公开了一种用于图零样本学习的监督对比学习方法，其包括采集无向图结构数据，并提取图数据的类别语义描述矩阵，利用k近邻方法构建类别的邻接矩阵，通过图扩散技术获取图数据中每个节点的亲和节点集；将节点特征矩阵和类别语义描述矩阵投影到相同维度，并联合节点和类别邻接矩阵输入图卷积神经网络，得到节点和类别的潜在表示矩阵。基于这些潜在表示矩阵及亲和节点集，构建监督对比学习目标函数，并用该目标函数指导图卷积神经网络迭代优化，直到模型收敛完成训练；将测试节点的特征矩阵和相应的邻接矩阵输入网络，得到每个测试节点的潜在表示向量，并通过计算其与所有未见类别潜在表示向量之间的相似度，得到每个测试节点的类别标签。