基于大语言模型感知的异构学术网络作者分类方法与系统

基于大语言模型感知的异构学术网络作者分类方法与系统，其方法包括：首先对异构学术网络数据进行处理，构建异构图，其中包括节点的文本属性和图结构信息。利用大语言模型生成节点和关系的语义嵌入，并通过Transformer整合多跳范围内的节点与关系信息，得到深层次节点嵌入向量。随后，在预训练阶段设计对比学习损失函数，优化嵌入表示质量以捕获节点间的复杂语义关系，并将深层次节点嵌入输入分类模型进行作者节点类别预测。采用交叉熵分类损失函数优化模型参数，最终完成学术网络中作者节点的分类任务，提升分类精度。本发明可应用于科研资源管理、学术搜索优化及相关领域数据分析。