一种基于判别难度感知的节点分离学习方法及系统

本发明公开了一种基于判别难度感知的节点分离学习方法及系统，涉及图神经网络技术领域，该方法通过计算节点多跳邻域内的标签分布松弛熵值来量化其判别难度；构建混合专家网络架构；将熵值与节点特征拼接并预测用于Top‑p专家选择机制的阈值；依据阈值激活专家子网络集合并加权组合其输出以生成节点表示；最终通过分类器获得预测结果并在训练过程中动态更新熵值。本发明能自适应分配计算资源，提升异配图节点分类的准确性与鲁棒性。