一种基于拓扑结构扰动的深度图神经网络训练方法

本发明涉及一种基于拓扑结构扰动的深度图神经网络训练方法，属于数据科学与人工智能技术领域。方法步骤如下：(1)聚合多阶邻居：扩展每个节点的感受域；(2)实施节点级别扰动：遍历拓扑结构中的所有节点，并以概率p决定是否对每个节点进行扰动，从而在节点集合中引入随机性；(3)实施边级别扰动：在节点的k跳拓扑结构的邻接矩阵中随机剔除一定比率的边；(4)多次运行和结果合并。本发明能有效解决图神经网络中的过平滑问题，在捕获拓扑图结构时，利用拓扑扰动思想对图中的节点和边进行随机扰动，生成不同的局部拓扑图结构，从而学习到不同深度的图结构信息，扩大节点之间的特征差异。