基于异配性自适应位置编码的超图表示学习方法和装置

本申请公开了一种基于异配性自适应位置编码的超图表示学习方法和装置，可应用于图神经网络技术领域。本申请通过构建异配性自适应位置编码模块和异配感知可区分聚合模块后，将三元数组输入异配性自适应位置编码模块，捕捉待分析超图中远距离语义相关的同类邻居关系对应的第一输出表示，以及将获取的三元数组输入异配感知可区分聚合模块，获取能够区分待分析超图中不同邻居节点对特征聚合重要性对应的第二输出表示，然后将第一输出表示和第二输出表示进行融合得到目标节点嵌入表示后，根据目标节点嵌入表示，结合监督学习对预设超图神经网络模型进行模型优化，从而实现对异配性超图节点的低维特征表示学习，有效提高异配性超图的表示学习性能。