基于Transformer和GNN融合模型的科研用户画像构建方法

本发明公开了基于Transformer和GNN融合模型的科研用户画像构建方法，基于论文合著和引文数据信息，构建科研网络图数据集；采用简化的Transformer模型计算节点与全局节点的注意力，根据注意力分数更新节点特征；然后将更新后的节点特征输入图神经网络中，聚合节点邻域信息；最后将模型输出与图结构信息相结合得到最终的节点特征，根据自定义的损失函数调整模型参数，预测节点的用户画像标签。本发明解决了现有图神经网络方法难以直接用于科研用户画像构建的问题，针对科研网络的特点，提升模型的可扩展性和预测准确性，有效预测科研用户画像标签。