基于双通道自监督学习的图数据补全方法、系统及应用

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于双通道自监督学习的图数据补全方法、系统及应用
申请号:CN202510539321
申请日期:2025-04-27
公开号:CN120451721A
公开日期:2025-08-08
类型:发明专利
摘要
本发明公开了基于双通道自监督学习的图数据补全方法、系统及应用,属于图数据补全领域,包括以下步骤:S1、生成增强特征矩阵;S2、将增强特征矩阵输入多层感知机编码器,生成第一层表征;S3、生成增强图结构矩阵;S4、执行局部特征扩散,并对增强图结构矩阵进行编码,生成第二层表征;S5、对第一层表征和第二层表征进行对比学习,并将第一层表征和第二层表征进行逐元素加性融合,得到融合特征;S6、将融合特征输入解码器解码,得到最终的恢复后的节点特征。采用上述基于双通道自监督学习的图数据补全方法、系统及应用,无需标注即可处理图数据多维度缺失,通过创新方法融合与对比学习增强表征判别力,泛化性强且输出高质量补全结果。
技术关键词
数据补全方法 多层感知机 融合特征 节点特征 输入解码器 消息传递机制 编码模块 编码器 神经网络结构 社交网络分析 知识图谱补全 解码模块 KNN算法 元素 掩码矩阵