原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及网络大数据挖掘技术领域，且公开了一种基于多尺度图代理任务融合的图对比自监督学习方法，所述图对比自监督学习方法包括以下步骤：步骤一、获取图数据，在图数据上使用图数据增强技术，获得初始的两个基本图数据增强视图样本：步骤二、将一个视图样本固定，在另外一个视图上构建不同尺度的图数据样本；步骤三、基于两个视图的多个不同尺度的样本，采用图神经网络模型获得视图样本的节点表示；步骤四、根据所获得的不同尺度图数据的节点表示，构建多个尺度的图对比损失；步骤五、融合各个尺度图对比损失，从而获得图数据中丰富的
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117787337A
(43)申请公布日2024.03.29
(21)申请号202311798595.5
(22)申请日2023.12.25
(71)申请人太原科技大学
文档评论（0）