基于正负样本选择的异质图对比学习.pdfVIP

153黑龙江大学工程学报Vol.15，No.3

第卷第期

20249JournalofEngineeringofHeilongjiangUniversitySep．，2024

年月

DOI:10.13524/j.2097-2873.2024.03.032

基于正负样本选择的异质图对比学习

**

，，

宋笑笑刘勇金虎

(，150080)

黑龙江大学计算机科学与技术学院哈尔滨

:，

摘要对比学习应用于异质图能有效避免训练过程中对标注数据的依赖性无需依赖大量带标签样

，，

本的前提下依旧能够提取异质图中复杂的结构和丰富的语义在节点分类和节点聚类等任务上表现

。，

出优越的性能现有的异质图对比模型直接基于元路径构造对比视图用来捕获对象之间的语义以及

。，。

序列关系此类方案忽略了网络的局部结构目标节点没有完全融合所有一阶邻居节点的信息同

，，，。

时局限于单一的正样本无法区分负样本的正确性使模型出现梯度消失或者学习内容不全为解

决上述问题，。

提出基于正负样本选择的异质图对比学习模型该模型先构造了网络模式视图和元路径

，;，

视图用来保持异质图的局部结构和高阶结构以网络模式视图中的节点为锚点在元路径视图中构

造正负样本，;。

依据样本的相似性来学习负样本的权重实验证明提出的模型优于当前的基线方法

:;;;

关键词异质图对比学习难负样本图神经网络

中图分类号:TP183文献标志码:A文章编号:2097-2873(2024)03-0045-09

0引言

［1］

，。

异质图含有多种类型的节点和边常用于建模现实世界复杂的关系交互图对比学习作为图表征

，，。，

学习的一种方法通过消息传递机制聚合邻居节点获得节点的表征对比学习作为自监督学习的一种

，

通过对原始数据进行扰动而得到多个对比视图最大化正样本之间的互信息并且最小化负样本之间的互

［2］。STENCIL［3］MEOW［4］