摘要
本发明属于图对比学习领域，涉及一种基于拓扑基本原理增强的图对比学习方法和系统。准备数据集并初始化神经网络；分别计算节点级和子结构级拓扑基本原理学习模块的损失Ln和Ls；计算图对比学习损失根据Ln，Ls和的梯度计算语义正交的自适应权重，得到拓扑基本原理学习阶段的总损失L；基于总损失L训练得到注入拓扑基本原理的主干图神经网络f(·)；在对比学习阶段使用预训练数据集训练f(·)；利用训练完成的f(·)在下游任务训练数据集上训练分类器，并在下游任务测试数据集上进行预测，得到分类结果。本发明可以有效提升传统图对比学习模型的性能，对推荐系统、生物化学分子预测、知识图谱推理等多个领域的发展都具有积极作用。
