一种基于特征增强的多跳对比学习节点分类方法

本发明涉及图神经网络技术领域，具体涉及一种基于特征增强的多跳对比学习节点分类方法，由特征映射，谱特征增强，多跳视图生成以及多跳对比损失四个关键部分组成，首先通过特征映射生成具有相对低维节点表示的视图，然后将光谱特征增强应用于这些低维视图，过程里隐式地将噪声添加到奇异值中，并重新平衡它们，从而产生增强的视图。接下来，使用邻接矩阵聚集多跳信息以创建多个扩充视图。多跳对比损失用于在所有多跳视图中提高正对之间的相似性并降低负对之间的相似性。最后，学习到的节点表示可以应用于下游任务，如节点分类。经实验结果表明，本发明在节点分类任务中的表现优于现有的图对比学习方法。