计算机应用研究

作者：张敏,杨雨晴,贺艳婷,史晨辉,

单位：太原科技大学计算机科学与技术学院,太原030024；

关键词：异构图嵌入,非对比学习,有向筛选树正样本采样,交对称差比,峰值算子,

基金：国家自然科学基金资助项目(U1931209)；山西省科技合作交流专项区域合作项目(202204041101037,202204041101033)；太原科技大学研究生教育创新项目(BY2023015)；；

基于非对比学习（NCL）的异构图嵌入模型不依赖负样本学习数据的内在特征和模式，可能导致模型无法有效地学习节点之间的区分度。提出了一种基于跨视图原型非对比学习的异构图嵌入模型（XP-NCL），通过寻找额外的正样本提供更多关于源节点的上下文信息，并重新考虑了正样本之间的相似性，从而为下游任务学习更高效的节点表征。该模型首先设计了一种基于异构图随机游走的树型结构，通过筛选出满足局部结构约束的随机游走路径，从而构建正样本的有向筛选树（DFT），该树包含丰富的邻居信息和语义信息；其次针对异构图的特性，定义了跨视图原型指数（ISDR）和峰值算子（peak operator），从多个维度考虑了同类样本在数量和数值上的对齐；在此基础上，模型利用停止梯度更新进行训练。最后，在ACM、DBLP和freebase数据集上，实验验证了节点的分类和聚类性能，结果表明，即使不使用负样本，XP-NCL表征与其他同构图和异构图基线相比，很多情况下都可以呈现出更优越的性能。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期