【技术实现步骤摘要】
本专利技术属于对比学习，具体涉及一种基于知识转移的长尾图对比学习增强方法。
技术介绍
1、在现实世界中，物体通常以复杂的网络结构相互连接，这种结构也被称为图。举例来说，用户与产品之间的互动(如点击或购买)则构成了电子商务网络，而研究论文相互引用形成了引文图。图结构的普及吸引了许多对基于图的任务进行积极研究，比如在电子商务网络中利用链接预测进行产品推荐，以及在引文图中将论文分类为不同主题的节点分类。cf作为一种经典的方法，它是通过观察到的用户-项目交互表示用户和项目的嵌入，这在个性化的喜好预测中有着不容忽视的作用。
2、在推荐系统中图卷积网络已经表现出了不错的效果，因为它们能够有效的去利用图数据中的高阶关系。但是许多领域的图在节点度上都服从长尾分布，即有相当一部分的节点是度较小的尾部节点，这样就会导致出现图数据稀疏的问题。为了解决尾部节点数据稀疏的问题，基于gcn的推荐方法采用了对比学习来引入自监督信号，尽管现有的一些方法有效，但是它们却是对所有的节点进行统一的处理，缺乏对头尾节点显著程度差异的考虑，即没有针对长尾分布中的头部...
【技术保护点】
1.一种基于知识转移的长尾图对比学习增强方法，其特征在于，包括：长尾增强、对比学习和多任务训练；
2.根据权利要求1所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述自动丢弃模块配备了可训练的删除策略，用于减小增强数据样本与实际尾节点样本之间的分布偏差。
3.根据权利要求2所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述自动丢弃模块的运行方法如下：
4.根据权利要求1所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述知识迁移模块利用生成伪尾节点时丢弃的邻居信息来预测真实尾节点缺失的邻居信息...
【技术特征摘要】
1.一种基于知识转移的长尾图对比学习增强方法，其特征在于，包括：长尾增强、对比学习和多任务训练；
2.根据权利要求1所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述自动丢弃模块配备了可训练的删除策略，用于减小增强数据样本与实际尾节点样本之间的分布偏差。
3.根据权利要求2所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述自动丢弃模块的运行方法如下：
4.根据权利要求1所述的一种基于知识转移的长尾图对比学习增强方法，其特征在于，所述知识迁移模块利用生成伪尾节点时丢弃的邻居信息来预测真实尾节点缺失的邻居信息，所述知识迁移模块对于丢弃的邻居信息的学习将尾节点进行重构，生成伪头节点。
5.根据权利要求4所述的一种基于知识...
【专利技术属性】
技术研发人员：张红伟，汪国龙，杨开钧，许珂珂，闫小峰，崔贯勋，朱小飞，全文君，吴雪刚，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。