本發(fā)明涉及圖對(duì)比學(xué)習(xí)，具體而言，涉及一種基于宏微觀消息傳遞進(jìn)行圖對(duì)比學(xué)習(xí)的同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、圖對(duì)比學(xué)習(xí)作為一種面向圖數(shù)據(jù)的自監(jiān)督表示學(xué)習(xí)方法，近年來在降低對(duì)昂貴且耗時(shí)的標(biāo)注數(shù)據(jù)依賴方面取得了顯著進(jìn)展。該技術(shù)的核心思想是通過最大化正樣本對(duì)的相似性與負(fù)樣本對(duì)的差異性，構(gòu)建對(duì)比損失函數(shù)，從而學(xué)習(xí)到有效的節(jié)點(diǎn)或圖的表示。通常，圖對(duì)比學(xué)習(xí)包括三個(gè)主要步驟：視圖增強(qiáng)、視圖編碼和對(duì)比訓(xùn)練。已有研究通過開發(fā)新的數(shù)據(jù)增強(qiáng)或模型增強(qiáng)策略，以及優(yōu)化對(duì)比目標(biāo)，顯著提升了圖對(duì)比學(xué)習(xí)在節(jié)點(diǎn)分類等下游圖任務(wù)中的表現(xiàn)。

2、盡管現(xiàn)有的圖對(duì)比學(xué)習(xí)方法在同配網(wǎng)絡(luò)上表現(xiàn)優(yōu)異，但由于其在視圖編碼過程中普遍依賴圖神經(jīng)網(wǎng)絡(luò)(gnn)編碼器，而這些編碼器通常基于同質(zhì)性假設(shè)，導(dǎo)致這些方法在處理異配網(wǎng)絡(luò)時(shí)效果較差。所謂同質(zhì)性假設(shè)，指的是具有相同標(biāo)簽的節(jié)點(diǎn)往往會(huì)緊密相連，而在異配網(wǎng)絡(luò)中這一假設(shè)往往不成立，導(dǎo)致現(xiàn)有方法難以適應(yīng)異配網(wǎng)絡(luò)的特性。例如，社交網(wǎng)絡(luò)通常具有同質(zhì)性，個(gè)人往往基于相同的興趣或背景建立聯(lián)系；而在蛋白質(zhì)結(jié)構(gòu)圖中，不同類型的氨基酸往往會(huì)連接在一起，表現(xiàn)出異質(zhì)性。這一假設(shè)在一定程度上限制了消息傳遞的方向(宏觀層面)和方式(微觀層面)，削弱了圖對(duì)比學(xué)習(xí)處理異配圖的性能。

3、具體來說，在宏觀層面，同配網(wǎng)絡(luò)主要依賴結(jié)構(gòu)鄰居進(jìn)行消息傳遞，而異配網(wǎng)絡(luò)則更依賴基于節(jié)點(diǎn)特征相似性的特征鄰居。然而，大多數(shù)現(xiàn)有方法未能充分認(rèn)識(shí)到這一差異，仍然使用結(jié)構(gòu)鄰居來處理異配網(wǎng)絡(luò)，導(dǎo)致效果不佳。微觀層面上，傳統(tǒng)gnn將節(jié)點(diǎn)自身作為鄰居進(jìn)行特征傳播，但這種將節(jié)點(diǎn)自身與鄰居等同處理的方式難以適應(yīng)異配網(wǎng)絡(luò)的特性，因?yàn)樵诋惻渚W(wǎng)絡(luò)中，節(jié)點(diǎn)與鄰居之間的特征差異往往較大。盡管一些研究嘗試通過多樣化高階鄰居聚合策略來解決這一問題，但這些方法通常會(huì)增加算法復(fù)雜性，并可能削弱對(duì)同配網(wǎng)絡(luò)的處理能力。

4、綜上所述，盡管已有工作致力于提升圖對(duì)比學(xué)習(xí)在同異配網(wǎng)絡(luò)中的表現(xiàn)，但由于對(duì)這兩類網(wǎng)絡(luò)在消息傳遞的宏觀方向和微觀方式上的差異認(rèn)識(shí)不足，現(xiàn)有方法在計(jì)算成本和實(shí)際效果方面仍存在局限。因此，開發(fā)一種更加高效的圖對(duì)比學(xué)習(xí)方法，鼓勵(lì)模型充分學(xué)習(xí)同異配網(wǎng)絡(luò)的重要特征，提高圖對(duì)比學(xué)習(xí)在圖下游任務(wù)例如節(jié)點(diǎn)分類上的性能，已成為當(dāng)前領(lǐng)域中亟待解決的問題之一。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是針對(duì)同質(zhì)性假設(shè)對(duì)同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類任務(wù)的影響，提出了一種基于宏微觀消息傳遞進(jìn)行圖對(duì)比學(xué)習(xí)的同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類方法、系統(tǒng)及介質(zhì)。

2、本發(fā)明的目的是通過下述技術(shù)方案實(shí)現(xiàn)的：

3、第一方面，提供了一種基于宏微觀消息傳遞進(jìn)行圖對(duì)比學(xué)習(xí)的同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類方法，包括以下步驟：

4、s1：基于原始圖其中a是鄰接矩陣，x是節(jié)點(diǎn)特征矩陣，計(jì)算節(jié)點(diǎn)特征之間的余弦距離，構(gòu)建基于節(jié)點(diǎn)特征相似度的k近鄰圖；

5、s2：對(duì)原始圖和k近鄰圖分別進(jìn)行隨機(jī)連邊去除的視圖增強(qiáng)操作，生成相應(yīng)的結(jié)構(gòu)視圖vstr和特征視圖vatt；

6、s3：根據(jù)原始圖的邊同質(zhì)性比率hedge確定網(wǎng)絡(luò)同異配類型，然后定義同配網(wǎng)絡(luò)的優(yōu)先視圖vp是結(jié)構(gòu)視圖vstr，輔助視圖vs是特征視圖vatt；異配網(wǎng)絡(luò)的優(yōu)先視圖vp是特征視圖vatt，輔助視圖vs是結(jié)構(gòu)視圖vstr；

7、s4：使用兩個(gè)獨(dú)立的asp-sgc編碼器分別對(duì)優(yōu)先視圖vp和輔助視圖vs進(jìn)行優(yōu)輔視圖對(duì)齊編碼，得到優(yōu)先視圖編碼后的節(jié)點(diǎn)表示hp和輔助視圖對(duì)齊編碼后的節(jié)點(diǎn)表示hsa；

8、s5：基于節(jié)點(diǎn)表示hp和hsa，定義錨節(jié)點(diǎn)vi的正負(fù)樣本對(duì)，構(gòu)造infonce對(duì)比損失函數(shù)，通過該損失函數(shù)對(duì)模型的節(jié)點(diǎn)嵌入表示進(jìn)行優(yōu)化訓(xùn)練。

9、s6：將優(yōu)化后的節(jié)點(diǎn)嵌入表示輸入邏輯回歸節(jié)點(diǎn)分類器，進(jìn)行訓(xùn)練和評(píng)估。

10、作為優(yōu)選，s1中，節(jié)點(diǎn)特征之間的余弦距離計(jì)算公式為：

11、

12、其中xi和xj分別為節(jié)點(diǎn)vi和vj之間的特征向量，根據(jù)余弦距離計(jì)算結(jié)果，為每個(gè)節(jié)點(diǎn)選取k個(gè)最近鄰節(jié)點(diǎn)并添加相應(yīng)的連邊，構(gòu)建基于節(jié)點(diǎn)特征相似度的k近鄰圖。

13、作為優(yōu)選，s3中，衡量網(wǎng)絡(luò)同質(zhì)性水平的邊同質(zhì)性比率hedge計(jì)算公式為：

14、

15、若則為異配網(wǎng)絡(luò)，若則為同配網(wǎng)絡(luò)。

16、作為優(yōu)選，s4中，asp-sgc編碼器利用適應(yīng)性自傳播策略，將節(jié)點(diǎn)自環(huán)特征傳播分解為鄰居同化傳播和自獨(dú)立傳播：

17、

18、其中第一項(xiàng)(1-ω)h(k)表示自獨(dú)立傳播部分，它強(qiáng)調(diào)自環(huán)特征傳播的獨(dú)立性而不依賴于鄰居節(jié)點(diǎn)特征；第二項(xiàng)表示鄰居同化傳播部分，此時(shí)自環(huán)充當(dāng)鄰居角色進(jìn)行特征傳播；k表示第k層的節(jié)點(diǎn)表示h(k)，ω是自獨(dú)立傳播的權(quán)重系數(shù)，θ是可訓(xùn)練的權(quán)重矩陣。

19、作為優(yōu)選，s4中，首先使用優(yōu)先視圖vp和輔助視圖vs各自的asp-sgc編碼器編碼相應(yīng)的視圖，得到節(jié)點(diǎn)表示hp和hs；然后利用輔助視圖的asp-sgc編碼器從全局角度編碼優(yōu)先視圖vp，并將其與輔助視圖的初始節(jié)點(diǎn)表示vs相加，生成對(duì)齊后的輔助視圖最終節(jié)點(diǎn)表示hsa：

20、

21、作為優(yōu)選，s5中，定義錨節(jié)點(diǎn)vi的正樣本對(duì)為負(fù)樣本對(duì)包括以及構(gòu)建infonce對(duì)比損失為：

22、

23、其中τ是溫度參數(shù)，s(·)是余弦相似度。

24、第二方面，提供了一種基于宏微觀消息傳遞進(jìn)行圖對(duì)比學(xué)習(xí)的同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類系統(tǒng)，用于執(zhí)行第一方面任一所述的基于宏微觀消息傳遞提升同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類性能的圖對(duì)比學(xué)習(xí)方法，包括以下模塊：

25、鄰域擴(kuò)展模塊，用于生成k近鄰圖，豐富節(jié)點(diǎn)之間消息傳遞的方向；

26、增強(qiáng)視圖生成模塊，用于生成對(duì)比學(xué)習(xí)所需的增強(qiáng)視圖；

27、視圖角色定義模塊，用于根據(jù)網(wǎng)絡(luò)的同異配性質(zhì)確定結(jié)構(gòu)視圖和特征視圖的優(yōu)先或輔助角色；

28、優(yōu)輔視圖對(duì)齊編碼模塊，用于對(duì)優(yōu)先視圖和輔助視圖分別進(jìn)行編碼并對(duì)齊，獲取節(jié)點(diǎn)在不同視圖下的嵌入表示；

29、對(duì)比訓(xùn)練模塊，用于利用對(duì)比損失函數(shù)對(duì)節(jié)點(diǎn)嵌入表示進(jìn)行優(yōu)化；

30、節(jié)點(diǎn)分類模塊，用于利用優(yōu)化后的節(jié)點(diǎn)嵌入表示進(jìn)行節(jié)點(diǎn)分類任務(wù)的訓(xùn)練與評(píng)估。

31、第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序；所述計(jì)算機(jī)程序在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行第一方面任一所述的基于宏微觀消息傳遞提升同異配網(wǎng)絡(luò)節(jié)點(diǎn)分類性能的圖對(duì)比學(xué)習(xí)方法。

32、本發(fā)明與現(xiàn)有技術(shù)相比，具有以下有益效果：

33、(1)本發(fā)明通過集成宏觀與微觀消息傳遞策略，提出了一種新的圖對(duì)比學(xué)習(xí)框架，顯著提升了圖對(duì)比學(xué)習(xí)在同配與異配網(wǎng)絡(luò)中的表現(xiàn)，增強(qiáng)了模型在節(jié)點(diǎn)分類任務(wù)中的性能和泛化能力；

34、(2)本發(fā)明在宏觀層面上，通過采用結(jié)構(gòu)視圖和特征視圖相結(jié)合的優(yōu)輔視圖對(duì)齊編碼策略，有效克服了現(xiàn)有技術(shù)在異配網(wǎng)絡(luò)中消息傳遞不充分的問題，增強(qiáng)了模型對(duì)不同同質(zhì)性水平網(wǎng)絡(luò)的適應(yīng)能力；

35、(3)本發(fā)明在微觀層面上，通過適應(yīng)性自傳播策略優(yōu)化了編碼器設(shè)計(jì)，靈活處理節(jié)點(diǎn)自環(huán)在特征傳播中的角色，使節(jié)點(diǎn)特征在傳播過程中更加細(xì)致準(zhǔn)確；

36、(4)本發(fā)明在減少計(jì)算復(fù)雜度的同時(shí)，提升了節(jié)點(diǎn)表示的質(zhì)量，尤其在處理異配網(wǎng)絡(luò)時(shí)表現(xiàn)優(yōu)異。