计算机应用研究

作者：闫光辉,权思洁,罗浩,

单位：兰州交通大学电子与信息工程学院,兰州730070；

关键词：异质网络,元路径,图对比学习,图神经网络,

基金：国家自然科学基金资助项目(62466032,62366028)；2024年研究生教育教学质量提升工程建设项目(JG202418)；；

异质信息网络中由于节点类型各异，邻居信息在聚合前需投影到相同特征空间，这易导致语义混淆；同时，节点特征学习过程常面临局部拓扑结构特征与全局语义信息难以有效融合的问题。为此，提出一种分槽聚合元路径信息的异质网络图对比学习（stack-based metapath aggregation graph contrastive learning，S-MACon）方法。该方法基于元路径从多视角捕捉节点间的语义与结构关系，在元路径内部引入stack结构实现分槽聚合，为每类节点提供独立的消息传递过程，从而保留其类型特征空间中的信息表达；同时，在不同元路径视图上引入图对比学习，增强模型对全局图结构的理解能力；最后，通过注意力机制完成元路径与槽之间的信息聚合，得到最终节点表示。实验结果表明，S-MACon方法在链路预测和节点分类任务中分别达到95.61%和94.59%的准确率，显著优于现有主流方法，验证了其有效性与推广价值。

来源：2025年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第11期