一种提高图编码器分布外泛化能力的对比学习方法

本发明属于图数据分析与分布外泛化领域，公开一种提高图编码器分布外泛化能力的对比学习方法。本发明通过设计正样本匹配模块，建立来自不同环境分布但是同标签的数据对在特征空间的一致性，有效解决了传统对比学习方法无法利用环境信息的缺陷；并通过Mixup调节模块，采用分段式学习的理念，有效缓解图编码器在训练初期难以训练的问题；最终经过重新设计的对比损失目标，实现了图编码器在分布外泛化场景下依旧能够提取优秀的特征向量用于下游任务的良好泛化性能。两个模块与一个优化目标均基于本发明所设计的优化策略训练，在最大程度利用环境分布信息的同时，保留对比学习框架的优秀理念。