一种基于神经符号和提示学习的节点分类方法

本发明公开了一种基于神经符号和提示学习的节点分类方法。图节点分类是作为图挖掘中的经典任务之一，已在许多实际应用领域得到了广泛探索。本发明旨在克服现有技术存在的对图数据在节点分类缺乏有效的推理和认知能力，并且基于提示学习的规则构建以指导学习过程仍不明确，该方法的步骤为：1.构建一个图神经符号组件模块，它将通用的图神经网络与神经概率软逻辑结合起来；2.构建了结构级和属性级的神经符号提示，以构建基于提示的原子；3.将基于提示的原子整合到一阶规则中，使其能够辅助符号推理过程；4.提出了一种联合推理和优化微调策略，从而得到一个可靠、准确的节点分类模型；5.利用获得到的节点分类模型去做节点预测。