一种基于大模型增强图结构的多尺度对比学习方法

本发明公开了一种基于大模型增强图结构的多尺度对比学习方法，涉及图表示学习、数据增强技术、大语言模型技术领域，包括以下步骤：S100、图结构采样；S200、原始子图集增强；S300、图表示向量获取；S400、图表示向量拼接；S500、文本属性编码；S600、对比学习训练；S700、分类结果测试。本发明通过结合大语言模型的语义理解能力与图神经网络的拓扑学习能力，有效弥补了现有技术在图构建和文本语义与图拓扑融合方面的不足，显著提升了对文本属性图的建模能力和任务性能。