一种基于引文信息的自适应增强的分阶段图表示学习方法

本申请涉及数据处理技术领域，提供一种基于引文信息的自适应增强的分阶段图表示学习方法，采用了数据增强方法，包括：拓扑结构级自适应增强方法，包括基于节点中心性度量函数计算边的中心性，通过截断概率生成第一采样概率，将第一采样概率作为边删除概率，基于边删除概率保留拓扑结构；节点属性级自适应增强方法，包括基于离散节点特征和连续节点特征分别计算对应的第一权重和第二权重；通过截断概率生成第二采样概率，将第二采样概率作为特征遮蔽概率，基于特征屏蔽概率保留特征维度。本申请提出在GRLWPT的基础上引入了拓扑结构级自适应增强和节点属性级自适应增强来生产对比图，提高了在节点分类任务中的准确度以及算法的鲁棒性。