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
本发明提供一种基于Transform和对比学习的异构图神经网络容噪方法，涉及异构图神经网络技术领域。该方法首先根据节点对之间的特征相似度、转移概率和局部拓扑结构相似性对邻居节点的可信度打分，将可信度得分低于阈值的节点剪枝；构建特定于降噪场景下的Transform模型，自动的给弱噪声节点分配低的权重系数，弱化噪声节点的影响；最后在使用损失函数训练容噪异构图神经网络模型时，加入一个特定于降噪场景的对比学习损失，将目标节点与噪声节点的嵌入表示相似度降低，进一步强化容噪异构图神经网络模型的降噪能力。该方
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117787379A
(43)申请公布日2024.03.29
(21)申请号202311810583.X
(22)申请日2023.12.26
(71)申请人东北大学
文档评论（0）