计算机应用研究

作者：董家浩,武永亮,王志强,韩旭,

单位：1.石家庄铁道大学a.信息科学与技术学院;b.河北省电磁环境效应与信息处理重点实验室;c.石家庄市人工智能重点实验室,石家庄050043；2.河北省科学院应用数学研究所,石家庄050081；3.沈阳师范大学软件学院,沈阳110034；

关键词：异质图,自监督算法,节点嵌入,高阶邻域,

基金：国家自然科学基金项目(62106157)；河北省自然科学基金项目(F2024210005)；石家庄铁道大学高等教育教学研究项目(Y2023-13)；河北省科学院科技计划项目(24606)；河北省高等教育学会“十四五”规划课题(GJXH2024-079)；；

针对当前自监督神经网络算法在获取邻域节点权重时，没有考虑到高阶节点信息影响的问题，提出一种基于高阶邻域信息交互的自监督异质图嵌入算法（SSHGEA-HNI）。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征，从而提升局部优化能力，增强模型性能。该算法由标签产生模块和嵌入学习模块组成。标签产生模块通过标签传播产生节点的伪标签。伪标签作为监督信号来指导嵌入产生模块生成嵌入。嵌入学习模块通过高阶邻域信息交互的注意力机制产生嵌入和注意力系数。注意力系数用于指导标签产生模块产生伪标签。在每次迭代中，两个模块共享节点注意力系数，促进两个模块之间相互利用与增强。在四个真实异质图数据集上进行了实验，所提算法在多数数据集的聚类任务和分类任务上均有提升。实验结果表明，该算法可以有效地利用高阶节点信息。

来源：2025年第7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7期