一种基于边缘标记二部图网络的少样本分子属性预测方法

本发明提出了一种基于边缘标记二部图网络的少样本分子属性预测方法，属于深度学习技术领域，首先在基本属性预测任务上引入一个预训练阶段，学习二部图的每个分子和基本属性节点的良好代表；其次，将这些碱基性质和分子的节点表示视为学习新性质和分子节点表示的先验，设计边缘标记的二部图网络作为的元学习器，学习利用这些表示原则和新属性和基本属性之间的显式多跳关系来推断上述二部图的每个测试分子和新属性节点的更稳健的表示；最后基于上述表示，直接以简单的内积方式对每个测试分子和新性质节点进行边缘标记预测；本发明利用基础任务背后的辅助信息以及新属性预测任务和基础属性预测任务之间的关系来缓解FSMPP的数据稀缺性问题。