一种基于异质图卷积网络的高阶依赖建模方法

本发明公开了一种基于异质图卷积网络的高阶依赖建模方法。首先，通过多层感知机进行数据预训练，根据单纯形复形和时间偏度随机游走捕捉节点之间的高阶依赖关系，生成高阶邻接矩阵，增强信息传播的深度与广度。然后，在标签传播过程中引入同质性约束矩阵，根据节点和边的同质性调整信息传递权重，增强同类节点之间的影响力，抑制不同类节点之间的干扰。最后，通过自适应融合策略整合多维度信息，进一步提升分类性能。本发明通过引入高阶依赖建模和标签传播机制，能够有效提升节点分类的精度和鲁棒性，适用于复杂的异质信息网络。